Question

示例代码：

from BeautifulSoup import BeautifulSoup, SoupStrainer

html='''<tr>
<td align="left">Foo<br />
Bar<br /></td>
</tr>'''

soup=BeautifulSoup(html)
rows=soup.findAll('tr')
print rows
print rows[0].text.encode("utf8")

我希望输出类似于＆＃34; Foo Bar＆＃34;或者即使两条线之间有一条实际的换行线也没问题，但我得到的输出只有＆＃34; FooBar＆＃34;，请注意两条线之间没有空格。

对python和beautifulsoup来说很新，有人能伸出援手吗？

Answer 1

您可以使用cell = rows[0].find('td')更进一步，然后使用cell.contents查看其内容，然后过滤所需的元素，然后按空格join。

另一种选择：您可以使用正则表达式将<br />替换为空格。为此你可以写：

import re
s = re.sub('<br\s*?>', ' ', rows[0].text)

然后你可以用

替换多个连续的空格

s = re.sub('\s+', ' ', s)

然后字符串应如下所示：

>>> print s
<tr> <td align="left">Foo Bar </td> </tr>

然后您可以轻松提取所需的部分。

Answer 2

您可能需要考虑使用lxml而不是BeautifulSoup。 lxml使您能够使用XPath搜索元素（我认为）比使用BeautifulSoup的API更容易。

import lxml.html as LH

html='''<tr>
<td align="left">Foo<br />
Bar<br /></td>
</tr>'''

doc = LH.fromstring(html)
for tr in doc.xpath('//tr'):
    print(repr(tr.text_content()))

产量

'Foo\nBar\n'

和

for text in doc.xpath('//tr/*/text()'):
    print(repr(text))

产量

'Foo'
'\nBar'

表格中的BeautifulSoup和换行符？

2 个答案: