如何使用BeautifulSoup剥离html，并像textContent一样保留换行符？
BeautifulSoup是一个Python库，用于解析HTML和XML文档。它提供了一种简单而灵活的方式来提取和操作网页中的数据。
要使用BeautifulSoup剥离HTML并保留换行符，可以按照以下步骤进行操作：
- 首先，确保已经安装了BeautifulSoup库。可以使用以下命令进行安装：pip install beautifulsoup4
- 导入BeautifulSoup库和需要处理的HTML文档：from bs4 import BeautifulSoup html_doc = """ <html> <body> <p>This is a paragraph.</p> <p>This is another paragraph.</p> </body> </html> """
- 创建BeautifulSoup对象，并指定解析器为lxml：soup = BeautifulSoup(html_doc, 'lxml')
- 使用BeautifulSoup的
prettify()方法可以将HTML文档格式化为易读的字符串形式：formatted_html = soup.prettify() print(formatted_html)
输出结果将保留原始HTML文档的结构和换行符：
<html>
<body> <p> This is a paragraph. </p> <p> This is another paragraph. </p></body></html>
如果只需要提取文本内容，可以使用BeautifulSoup的get_text()方法：
text_content = soup.get_text()
print(text_content)
输出结果将只包含文本内容，换行符将被转换为空格：
This is a paragraph. This is another paragraph.
如果需要保留换行符，可以使用replace()方法将空格替换为换行符：
text_content = soup.get_text().replace(' ', '\n')
print(text_content)
输出结果将保留换行符：
This
is
a
paragraph.
This
is
another
paragraph.
这样，你就可以使用BeautifulSoup剥离HTML并保留换行符了。关于BeautifulSoup的更多用法和功能，请参考腾讯云的相关产品和产品介绍链接地址。
相关·内容
2回答
Attribute - BeautifulSoup的内容
python、beautifulsoup
我正在尝试获取以下html中的价格属性： <html><body><p>[<meta content="60.00" itemprop="price"/>]</p></body></html> 我正在使用python3中的漂亮的汤库。 下面是我当前的代码。但是，我已经使用文档尝试了很多次迭代。 soup = bs4.BeautifulSoup(res.text, 'lxml')
soup = bs4.BeautifulSoup(str(price), '
浏览 16提问于2020-06-16得票数 2
回答已采纳
1回答
用漂亮的汤美化，不加断线
python、html、beautifulsoup、indentation
假设我有这样一个HTML文件
<html>
<body>
<p>Some post</p>
<p>Another post</p>
</body>
</html>
在python中，我可以使用soup.prettify()来调整行缩进。然而，漂亮添加了额外的换行。输出如下所示
<html>
<body>
<p>
Some post
</p>
<p>
Another post
</p>
</b
浏览 8提问于2022-07-25得票数 0
1回答
如何在python中只丢弃html标记并提取相关的文本
python、parsing、beautifulsoup、lxml
我使用lxml提取与html标记相关联的文本，但它也将<>括号中的所有内容作为标记并丢弃。除了标准的html标记之外，还有什么方法可以保留文本中的所有内容吗？
from lxml import html
data="<EXPE>(i)<i>you</i>"
print(html.fragment_fromstring(data).text_content())
这给出了输出
'(i)you'
但是所需的输出将是<Expe>(i)you
我也尝试了同样的美丽汤如下：
from bs4 import Bea
浏览 2提问于2020-01-12得票数 1
2回答
刮擦可见文本
python、web-scraping、beautifulsoup、urllib2
我是一个绝对的新手领域的网页刮和现在，我想从一个网页上提取可见的文本。我在网上发现了一段代码：
import urllib2
from bs4 import BeautifulSoup
url = "http://www.espncricinfo.com/"
web_page = urllib2.urlopen(url)
soup = BeautifulSoup(url , "lxml")
print (soup.prettify())
对于上面的代码，我得到以下结果：
/usr/local/lib/python2.7/site-packages/b
浏览 2提问于2016-11-12得票数 0
回答已采纳
2回答
尝试使用lxml.html从网站的某个部分获取文本
python、html、lxml、lxml.html
我有一些当前的Python代码，可以使用HTML标记所在的xpath从网站的某个部分获取HTML。
def wordorigins(word):
pageopen = lxml.html.fromstring("http://www.merriam-webster.com/dictionary/" + str(word))
pbody = pageopen.xpath("/html/body/div[1]/div/div[4]/div/div[1]/main/article/div[5]/div[3]/div[1]/div/p[1]")
浏览 2提问于2016-05-06得票数 2
回答已采纳
3回答
有没有一种方法可以使用可读性和python来提取文本，而不是HTML？
python、readability、text-extraction、html-content-extraction
我需要在运行时，在服务器端从一个随机网页中提取纯文本。我使用Google和Readability端口。有很多这样的情况。
早期的，基于BeautifulSoup
基于gfxmonk的使用lxml而不是BeautifulSoap，这使得它(按照minvolai的说法，请参阅项目页面)更快，尽管它引入了对lxml的依赖。
。和minvolai一样，它依赖于lxml。还依赖于来检测编码。
我使用Yuri的版本，因为它是最近的，似乎正在积极开发。我使用Python2.7成功地使它在上运行。现在的“问题”是它返回HTML，而我需要纯文本。
中的建议是使用BeatifulSoup。如果
浏览 1提问于2012-06-22得票数 6
回答已采纳
1回答
如何使用python中的漂亮汤从html页面中获取特定的单词
python、python-3.x、beautifulsoup
我必须从HTML页面中提取特定的单词，并计算该单词被重复的次数。我如何使用python中的美汤来做这件事呢？我如何将url传递到函数中，然后计算单词数？
这是我到现在为止的代码。我不知道下一步该怎么办。
import bs4 as bs
import urllib.request
source = urllib.request.urlopen('https://pythonprogramming.net/parsememcparseface/').read()
soup = bs.BeautifulSoup(source,'lxml')
for parag
浏览 3提问于2017-11-05得票数 0
3回答
打印精美的HTML代码中哪些空格可以忽略？
python、html
我们将基于HTML的文档转换为书籍形式。输入的HTML通常由许多换行符和缩进的行组成，因此它在普通文本编辑器中是人类可读的。这种缩进的行主要由空格组成。浏览器通常会忽略这些空格。例如：
<p>
This is a text with two lines<br>
and this is the second line.
</p>
在浏览器中呈现时，两行前面的空格和后面的换行符
将被完全忽略，文本看起来就像HTML代码一样：
<p>This is a text with two lines<br&
浏览 5提问于2019-06-04得票数 0
3回答
如何使用BeautifulSoup查找第一个锚标签的文本
python、beautifulsoup
我有一个这样的HTML结构
<p class="title">
<a href="abc.com">
Story
</a>
<span class="domain">
<a href="xyz.com">comments</a>
</span>
</p>
我想提取第一个锚标签的文本，即Story
下面是我如何使用Beautifulsoup从锚标记中提取文本
soup = BeautifulSoup(htm
浏览 1提问于2016-04-28得票数 1
2回答
使用美汤剥离HTML时保留空间
python、html、beautifulsoup
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"Par
浏览 0提问于2011-08-16得票数 7
回答已采纳
2回答
Beautifulsoup解析会损坏<link>标记
python、beautifulsoup、xml-parsing
我正在解析来自rss页面的html代码，使用的是漂亮的汤。如何保留链接标签？
最有希望的代码是：
python
import urllib.request, urllib.parse, urllib.error
from bs4 import BeautifulSoup
url = 'https://advisories.ncsc.nl/rss/advisories'
uh = urllib.request.urlopen(url)
html_doc= uh.read()
soup = BeautifulSoup(html_doc, 'html.parser'
浏览 2提问于2019-07-21得票数 5
2回答
Python请求并不是提取所有元素。
python-3.x、beautifulsoup、python-requests
我正在尝试从以下页面提取TR数据：
我正在使用请求和BeautifulSoup。但是，我并不能得到所有的行(第二个表中只有12行，而不是22行)。是否有人对此有解释(前提是打印response.content时行在那里)？
下面是我使用的代码：
from bs4 import BeautifulSoup
import requests
session = requests.Session()
url = 'http://www.datasheetcatalog.com/catalog/p1342320.shtml'
response = session.get(url)
浏览 0提问于2018-11-15得票数 1
回答已采纳
3回答
如何删除没有内容的标签
python、html、beautifulsoup
我正在处理一些老的html，它有很多空标签：<i style='mso-bidi-font-style:normal'><span style='font-size:11.0pt;font-family: Univers;mso-bidi-font-family:Arial'><o:p></o:p></span></i>。这严重破坏了我用来遍历树的算法。
是否有一种方法可以在遍历BeautifulSoup对象之前将其清除？
from bs4 import BeautifulSoup
h
浏览 0提问于2015-11-03得票数 11
回答已采纳
1回答
python中的漂亮汤xml格式设置
python、xml、beautifulsoup
我有一个xml数据集标记，格式如下：
<catchphrase "id=c0">unconscionable conduct</catchphrase>
我认为，当他们创建数据集时，他们没有按必须设置id属性的格式：
<catchphrase id="c0">unconscionable conduct</catchphrase>
但是，当在python中通过Beautiful库时，如下所示：
soup = BeautifulSoup(content, 'xml')
结果：
<catchp
浏览 1提问于2017-03-30得票数 1
回答已采纳
2回答
使用python regex删除span元素周围的换行符和空格
python、regex、beautifulsoup
在使用BeautifulSoup的prettify之后，我想删除span周围的换行和缩进，也许还需要删除其他行内标签。 例如，我目前有这样的东西： >>> import bs4
>>> html = "<div><p>I don't want this <span>span element</span> on it's one line.</p></div>"
>>> soup = bs4.BeautifulSoup(html,
浏览 46提问于2019-05-03得票数 1
2回答
如何在python bs4中使用xpath获取字符串？
python、html、beautifulsoup、lxml、xml.etree
我需要使用python和bs4将字符串放入li标记中。我正在尝试下面的代码：
from bs4 import BeautifulSoup
from lxml import etree
html_doc = """
<html>
<head>
</head>
<body>
<div class="container">
<section id="page">
<div class="content">
浏览 2提问于2022-03-26得票数 0
回答已采纳
1回答
\n不在从BeautifulSoup输出的输出中转换为端点行
python、beautifulsoup
我正在尝试学习BeautifulSoup，而且我以前没有它的经验，我正在根据这个问题-> 的答案来测试实现。
但是，我的输出与他们列出的输出不匹配，因为\n没有转换成新行。有什么问题，我该如何解决？
输入：
from bs4 import BeautifulSoup
html_doc = """<html>
<body>
<a class="black">
<b>
text1
</b>
<c>
text2
</c>
浏览 1提问于2018-11-02得票数 0
回答已采纳
3回答
BeautifulSoup:不要在它们重要的地方添加空格，在它们不重要的地方删除它们
python、html、beautifulsoup
这个示例python程序：
document='''<p>This is <i>something</i>, it happens
in <b>real</b> life</p>'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(document)
print(soup.prettify())
产生以下输出：
<html>
<body>
<p>
浏览 2提问于2014-08-26得票数 5
1回答
到XPATH的所有HTML节点
python-3.x、selenium、web-scraping、beautifulsoup、lxml
我正在尝试将所有HTML节点转换为XPATH，这里是一个输入示例。根据HTML，我要查找所有子节点的所有XPATH <html>
<head>
<title>
The Dormouse's story
</title>
</head>
<body>
<p class="title">
<b>
The Dormouse'
浏览 19提问于2021-04-22得票数 1
回答已采纳
1回答
Python漂亮汤移除标记仍然影响输出
python、beautifulsoup
嗨,
from bs4 import BeautifulSoup
html = '<p>This <i>is</i> a test.</p>'
soup = BeautifulSoup(html, 'lxml')
print(soup)
for tag in soup.find_all('i'):
tag.replace_with('is')
print(soup)
print("\n")
print(soup.prettify())
print(&
浏览 9提问于2020-09-03得票数 2
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频活动推荐
腾讯云开发者
