是否可以提取 html 文档中 <p> 标签之间的文本？

Question

我正在使用 BeautifulSoup 从 html 文件中提取内容。 我有几千个提取的 html 文件，并且想要提取所有文件中 p 标签之间的内容。 以下是相关代码：

for line in text:
    soup = bs(line, 'html.parser')
    autor = soup.find_all('p').text
    s = autor.replace('\\n', '')
    l.append(s)

我想使用 find_all().text 来提取所有 p 标签之间的文本，但是我收到了这个错误：

ResultSet 对象没有“文本”属性。您可能将项目列表视为单个项目。当你打算调用 find() 时，你调用了 find_all() 吗？

如果我只使用 find().text

autor = soup.find('p').text

我只是得到每个文件的第一个 p 标签。

有人可以帮忙吗？

Answer 1

文本自然用换行符分隔：

paragraph_text = '\n\n'.join(p.text for p in soup.find_all('p'))

或者，例如，如果您想用空格连接段落：

paragraph_text = ' '.join(p.text for p in soup.find_all('p'))

<p>中所有文字的列表：

paragraphs = [p.text for p in soup.find_all('p')]