使用BeautifulSoup获取div的分隔内容

Question

我希望从BeautifulSoup中正确分隔文本，必要时将标记转换为空格。问题是新行被折叠，像<br/>这样的标记不会呈现为空格。

<div class="companyInfo">
    <p class="identInfo">
        <acronym title="Standard Industrial Code">
            SIC
        </acronym>
        :
        <a href="/?SIC=3674">
            3674
        </a>
        - SEMICONDUCTORS &amp; RELATED DEVICES
        <br />
        State location: CA
    </p>
</div>

如果我运行BeautifulSoup（sampleHTML）.text，我会得到以下内容：

u'SIC:3674- SEMICONDUCTORS & RELATED DEVICESState location: CA'

我想得到正确处理空白的东西，如下：

u'SIC : 3674 - SEMICONDUCTORS & RELATED DEVICES State location: CA'

有什么建议吗？谢谢！

Answer 1

您也可以使用getText（）函数。 getText（）具有分隔符的可选参数。

BeautifulSoup(sampleHTML).getText(' ').strip()

strip（）用于删除任何前导和尾随空格。

Answer 2

我最终使用内容方法从各个节点获取我想要的信息。事实证明这比使用text方法更好，因为它避免了对某些文本解析的需要。

因此，最后，使用内容方法或按照Jouni离开的链接并查看答案。