使用BeautifulSoup

Question

我正在尝试提取包含链接作为文本一部分的网络文章的文本。这方面的一个例子是：

<p>Here is some text with <a href="https://www.example.com"> this part as a link</a>
which we will look at.</p>

我尝试过使用

table.findAll('p', text = True)

关于数据，但是这个命令忽略了包含url的所有'p'标签（也就是说，它不会在第一个块中获取示例）。我的问题是，如何从“p”标签中提取文本，同时还包括嵌入的链接，如何删除链接的网址，只保留“此部分作为链接”突出显示的文本？非常感谢任何帮助。

Answer 1

难以理解：

>>> import bs4
>>> HTML = '''\
... <p>Here is some text with <a href="https://www.example.com"> this part as a link</a>
... which we will look at.</p>'''
>>> soup = bs4.BeautifulSoup(HTML, 'lxml')
>>> [p.text for p in soup.findAll('p')]
['Here is some text with  this part as a link\nwhich we will look at.']

当然，您很可能想要更换新行和冗余空白。