是否可以在没有循环或附加模块的情况下从 BeautifulSoup 获取以下信息？

Question

我正在使用 BeautifulSoup4 和 Python 3。

我正在尝试抓取具有以下结构的网页的一部分：

<h1>Main Title Here<br/>

<small>
Subtitle Here - 
More Pieces of Subtitle Here</small>
</h1>

到目前为止，我已经尝试过：

• 打印整个元素print(soup.find('h1').text)的文本 --这打印有多余的空间，使其难以操作。
• 抓取元素的内容 --这似乎产生了 结果与文本相同

因此，使用上面的两种方法，我的输出如下所示：

此处为主标题此处为多个空格 这里有多个空格这里有字幕 - 这里有多个空格这里有多个空格这里有更多字幕

它们都返回带有换行符和大量空格的文本。我尝试了以下方法来清理返回的数据：

• 使用 Replace() 和 Strip()
  --这会稍微清理一下，但是， strip 仅删除最外面的空格，而 replace 有可能删除所有空格 （我不想要）
• 使用 Decompose() 和 Extract()
  --这删除了所有内容 在"small" 标签内并返回<none> 标签。

我希望输出如下所示：
（第 1 行）此处的主标题
（第 2 行）这里的字幕 - 这里有更多的字幕

或者这也可以：
(1 行) 主标题在这里，副标题在这里 - 更多的副标题在这里

基本上，我需要将其压缩为一两行，没有多余的空格，并剥离所有 html 标签。

根据我在这里其他地方读到的内容，我要么需要使用 for 循环来遍历页面的这一小块（据我所知，这还需要将“Find”更改为“FindAll”，或者，我需要导入 re 模块。

有没有办法在不使用循环或导入模块的情况下达到我想要的结果？

以下是我尝试过的其他一些事情（几乎没有成功）：

#Grabbing element, then next element separately
    print(soup.findAll('h1')[0].next)
    h=(soup.findAll('small')[0].next)
    h=h.replace('\n', '')
    print(h.strip())

#Grabbing by div and looping through
    i = soup.find('div', attrs={'page-header'})
    children = i.findChildren()
    for child in children:
         print(child)

Answer 1

我建议你依赖标题中的标签而不是换行符：

h1 = soup.find('h1')
list(h1.strings)[0] # The first string of the header
#'Main Title Here'
h1.find('small').string.strip() # The string in <small>
#'Subtitle Here - \nMore Pieces of Subtitle Here'