使用 BeautifulSoup 提取时保留某些 HTML 标签

Question

我有以下 HTML：

<div class="description">Item 1<br>Item 2<br></div>

我使用 BeautifulSoup 获取description 类中的内容：

descriptionItems = container.find('div', attrs={'class': 'description'}).text.strip()

我得到的是Item 1Item 2

我如何获得Item 1<br>Item 2<br>，即div标签之间的内容，包括br标签？

Answer 1

你可以用这个：

container = BeautifulSoup('<div class="description">Item 1<br>Item 2<br></div>', 'lxml')
desc_items = ''.join(str(x) for x in container.find('div', class_='description').contents)
print(desc_items)
# Item 1<br/>Item 2<br/>

说明：

.contents 为您提供标签所有内容的列表。

['Item 1', <br/>, 'Item 2', <br/>]

您只需使用''.join() 即可加入他们。但是，像<br/> 这样的标签类型是<class 'bs4.element.Tag'>，所以join 将引发TypeError 错误，因为它期望所有项目都是str 类型。因此，您必须先将其转换为 str。