使用 Beautiful Soup 剥离 HTML 时保留空间答案

【问题标题】：Preserve space when stripping HTML with Beautiful Soup使用 Beautiful Soup 剥离 HTML 时保留空间
【发布时间】：2011-08-16 01:50:46
【问题描述】：

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))

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

我不希望第一段的最后一个词与第二段的第一个词合并。例如。 “第 1 段单词合并。第 2 段引用 1 引用 2”。这可以使用 BeautifulSoup 库来实现吗？

【问题讨论】：

标签： python html beautifulsoup

【解决方案1】：

如果您在 4.x 版本中使用 get_text()：

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

【讨论】：

【解决方案2】：

只需用空格连接各个部分：

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

【讨论】：