get_text（）在文本内管理标签问题

Question

我正在尝试从html表中提取数据，显然我正在使用BeatifulSoup

我设法选择了相关标签并将数据整理到pandas df中。 我有一个小问题需要解决。

例如，假设我有一个变量column，它是bs4.element.Tag的实例，其值等于：

<td>Valore di inizio<br/>esercizio</td>

当我致电column.get_text()时，它将返回：

Valore di inizioesercizio

我想回来

Valore di inizio esercizio

即标记br应该被剥离并用空格代替。

谢谢

Answer 1

您可以使用get_text()，但要使用separator=参数：

data = '''<td>Valore di inizio<br/>esercizio</td>'''

from bs4 import BeautifulSoup

soup = BeautifulSoup(data, 'html.parser')

print(soup.td.get_text(separator=' '))  # for more control, you can add strip=True parameter

打印：

Valore di inizio esercizio