BeautifulSoup 缺少/跳过标签答案

【问题标题】：BeautifulSoup missing/skipping tagsBeautifulSoup 缺少/跳过标签
【发布时间】：2017-09-06 09:34:31
【问题描述】：

如果您能指出我正确的方向，将不胜感激。有没有更好的方法来执行此操作并捕获所有数据（使用 html 标签类“文档文本”））...

如果我喜欢这样。我在最后的原始 html 字符串中缺少一些标签，大小为 20K（所以它有很多数据）。

soup = BeautifulSoup(r.content, 'html5lib')
c.case_html = str(soup.find('div', class_='DocumentText')
print(self.case_html)

以下是用于抓取的代码，目前可以正常工作，但添加第二个新标签时它已损坏。

 soup = BeautifulSoup(r.content, 'html5lib')
 c.case_html = str(soup.find('div', class_='DocumentText').find_all(['p','center','small']))
 print(self.case_html)

示例html如下，原来是20K左右的字符串大小

<form name="form1" id="form1">
<div id="theDocument" class="DocumentText" style="position: relative; float: left; overflow: scroll; height: 739px;">
<p>PTag</p>
<p> <center> First center </center> </p>
<small> this is small</small>
<p>...</p>
<p> <center> Second Center </center> </p>
<p>....</p>
</div>
</form>

预期的输出是这样的

<div id="theDocument" class="DocumentText" style="position: relative; float: left; overflow: scroll; height: 739px;">
<p>PTag</p>
<p> <center> First center </center> </p>
<small> this is small</small>
<p>...</p>
<p> <center> Second Center </center> </p>
<p>....</p>
</div>

【问题讨论】：

c.case_html = str(soup.find('div', class_='DocumentText') 你为什么要把它转换成string ？
你想从上面粘贴的元素中解析什么文本？
你的预期输出是什么？
预期输出为

之间的所有内容

标签： python web-scraping beautifulsoup

【解决方案1】：

你可以试试这个。我只是根据您给定的 html 代码来回答。如果您需要澄清，请告诉我。谢谢！

 soup = BeautifulSoup(r.content, 'html5lib')
 case_html = soup.select('div.DocumentText')
 print(case_html.get_text())

【讨论】：