如何解决使用 bs4 模块中 find_all 提取列表元素中包含回车符的现象？

  • Z时代
  • 2024-02-25
  • 分类：IT

如何解决使用 bs4 模块中 find_all 提取列表元素中包含回车符的现象？

1、场景：使用 BeautifulSoup 提取指定页面<span>标签中类别为'green'的内容。

2、代码：

from urllib.request import urlopen
from bs4 import BeautifulSoup
html = urlopen('http://www.pythonscraping.com/pages/warandpeace.html')
bs = BeautifulSoup(html.read(), 'html.parser')
name_list = bs.find_all('span', {'class':'green'}) 
for name in name_list:
    print(name.get_text())

3、问题：提取 name_list 后发现在遍历的过程中，某些名字存在回车符号。例如：第一个元素应该是 Anna Pavlovna Scherer，但运行的结果是 Anna Pavlovna 和 Scherer，变成了两个元素。

我检查了一下该网页的源代码，HTML代码中 Anna Pavlovna 和 Scherer 之间的确存在回车符，这不影响浏览器显示，但在运行代码时就显示不正常了（变成两个元素）。

另外，我也考虑将 name 转换为字符串类型（str），这样可以替换掉元素中间的回车符，但这样的话后续就没有办法使用 .get_text() 方法了。

请问有没有在可以使用 .get_text() 方法的前提下，去掉 Anna Pavlovna 和 Scherer 之间的回车符，让两个元素正常确认为一个元素？

4、环境：Fedora Linux 38，Python 3.11.5，BeautifulSoup 4.12.2

感谢回答！

回答：

运行没问题,显示看起来是两个元素其实是一个元素,只是它把换行符显示成换行,你可以把get_text()的结果replace('\n','')就行

以上是 如何解决使用 bs4 模块中 find_all 提取列表元素中包含回车符的现象？ 的全部内容， 来源链接： utcz.com/p/939024.html

回到顶部