Question

from BeautifulSoup import BeautifulSoup

html = "<html><p>Para 1. Words</p><p>Merge. Para 2<blockquote>Quote 1<blockquote>Quote 2</p></html>"
print html
soup = BeautifulSoup(html)
print u''.join(soup.findAll(text=True))

此代码的输出是“Para 1 WordsMerge.Para 2Quote 1Quote 2”。

我不希望第一段的最后一句话与第二段的第一句话合并。例如。 “Para 1 Words Merge.Para 2引用1引用2”。可以使用BeautifulSoup库实现吗？

Answer 1

只需用空格加入作品：

print u' '.join(soup.findAll(text=True))

Answer 2

如果您在版本4.x中使用get_text()：

from bs4 import BeautifulSoup
...
...
soup.get_text(" ")

使用Beautiful Soup剥离HTML时保留空间

2 个答案: