BeautifulSoup.get_text() 忽略换行符 <br>

Question

我安装了 beautifulsoup4 (4.9.0) 并尝试解析一些 html。 Python 3.7 版

我正在从一些表格中收集数据，这些表格在单元格中由换行符 <br> 分割，例如：

<td>some text<br>some more text</td>

但是.get_text() 似乎忽略了换行符并将其全部打印到一行：

html = '<td>some text<br>some more text</td>'
soup = BeautifulSoup(html, features='html.parser')

print(soup)
 >> <td>some text<br/>some more text</td>

print(soup.get_text())
 >> some textsome more text

<br> 已转换为 <br/>，但我不太了解 HTML，因此不确定这是否重要。

期望的结果

每个换行符之间的字符串列表。我正在考虑使用.get_text() 方法，然后.split() 通过换行符生成结果字符串，例如：

html = '<td>some text<br>some more text</td>'
soup = BeautifulSoup(html, features='html.parser')
strings = soup.get_text().split('?')
  >> ['some text', 'some more text']

任何人都知道如何让get_text() 识别换行符，以及? 需要是什么？我在想也许可以用一个不会被忽略的明确字符/字符串替换换行符，然后用它拆分。更优雅的解决方案将不胜感激！

谢谢

Answer 1

我的解决方案，如问题中所述。用明确的字符串替换 <br> 标记，然后使用它拆分字符串：

from bs4 import BeautifulSoup

html = '<td>some text<br>some more text</td>'
soup = BeautifulSoup(html, features='html.parser')
delimiter = '###'                           # unambiguous string
for line_break in soup.findAll('br'):       # loop through line break tags
    line_break.replaceWith(delimiter)       # replace br tags with delimiter
strings = soup.get_text().split(delimiter)  # get list of strings
  >> ['some text', 'some more text']        # output