Question

我有一个网站，其中有一个表格，其中包含td个数字：

...
<td class="click"><span class="content">VALUE | KEY<br />2020-02-02</span></td>
...

我正在使用BeautifulSoup来阅读其内容，目前打印为：VALUE | KEY2020-02-02。

实现此目的的代码如下：

    for tr in soup.find_all('tr'):
        cols = []
        for td in tr.find_all('td'):
            td_text = td.get_text()
            if len(td_text):
                cols.append(td_text)
    temp.append(cols)

最终，我想要实现的是能够打印出来：VALUE|KEY|2020-02-02 - 换句话说，将<br />代码替换为|，这样我就可以保留{ {1}}，VALUE和KEY分开。我该怎么做呢？

Answer 1

由于您的目标是使用br替换|代码，因此您可以执行以下操作：

for br_tag in soup.findAll('br'):
    br_tag.replace_with('|')

Answer 2

您正在选择<td>元素，然后调用get_text()函数，该函数返回内部的所有可打印文本（剥离范围）。相反，您可以选择<span>元素，获取HTML字符串表示（通过在元素上调用str()，然后在<br/>上拆分），如下所示：

for tr in soup.find_all('tr'):
    cols = []
    for td in tr.find_all('td'):
        span_html = str(td.find_all('span')).split('<br />')

在python中使用BeautifulSoup4过滤<br/>标签

2 个答案: