Question

我有一些看起来像这样的HTML：

<tr>
  <td>some text</td>
  <td>some other text</td>
  <td>some <b>problematic</b> other <br /> text</td>
</tr>

和一些python试图获取标签的值并打印每个内部值：

soup = BeautifulSoup(data, convertEntities=BeautifulSoup.HTML_ENTITIES)
for row in soup.findAll('tr'):
    print repr(row) # this prints the whole 'tr' element text just fine.
    for col in row.contents:
        print col.string

所以全文正确打印捕获的html，但'col'为最后一个元素打印None：

some text
some other text
None

我不熟悉BeatifulSoup或python，但似乎最后一个元素的内部标签导致解析问题？

由于

Answer 1

您可以升级到BeautifulSoup版本4并使用.stripped_strings：

soup = BeautifulSoup(data)
for row in soup.find_all('tr'):
    print '\n'.join(row.stripped_strings)

在BeautifulSoup 3中，您需要搜索所有包含的文本：

for row in soup.findAll('tr'):
    print '\n'.join(el.strip() for row.findAll(text=True) if el.strip())

使用BeautifulSoup解析标记，无法提取值

1 个答案: