Question

我正在抓取一个网站，而且标签的结构是：

<div class="content"
    <p> 
        "C Space"
        <br>
        "802 white avenue"
        <br>
        "xyz 123"
        <br>
        "Lima"
    </p>

当我使用beautifulsoup使用以下命令获取文本时：

html=urlopen("something")
bsObj = BeautifulSoup(html,"html5lib")
templist = bsObj.find("div",{"class":"content"})
print(templist.get_text())

我得到以下输出： C Space802 white avenuexyz 123Lima

而我希望输出为：C Space 802 white avenue xyz 123 Lima。

如何从后续br标签获取数据时添加额外的空格？

由于

Answer 1

您可以使用.get_text()参数：

In [4]: elm = soup.select_one(".content")

In [5]: print(elm.get_text(strip=True, separator=" "))
"C Space" "802 white avenue" "xyz 123" "Lima"

Answer 2

您可以在此处使用split和join：

>>> ' '.join(templist.get_text().split())
'"C Space" "802 white avenue" "xyz 123" "Lima"'

用beautifulsoup解析<br/>标签

2 个答案: