如何从html标签之间提取文本？

Question

我有一些 html 元素，我想从中提取文本。所以html 就像

<pre>
<span class="ansi-red-fg">ZeroDivisionError</span>Traceback (most recent call last)
<span class="ansi-green-fg">&lt;ipython-input-2-0f9f90da76dc&gt;</span> in <span class="ansi-cyan-fg">&lt;module&gt;</span><span class="ansi-blue-fg">()</span>

</pre>

我想将文本提取为

ZeroDivisionErrorTraceback (most recent call last)
<ipython-input-2-0f9f90da76dc> in<module>()

我找到了该问题的答案here，但它对我不起作用。完整的示例代码

from bs4 import BeautifulSoup as BSHTML

bs = BSHTML("""<pre>
<span class="ansi-red-fg">ZeroDivisionError</span>Traceback (most recent call last)
<span class="ansi-green-fg">&lt;ipython-input-2-0f9f90da76dc&gt;</span> in <span class="ansi-cyan-fg">&lt;module&gt;</span><span class="ansi-blue-fg">()</span>
</pre>""")
print bs.font.contents[0].strip()

我得到以下错误：

Traceback (most recent call last):
  File "invest.py", line 13, in <module>
    print bs.font.contents[0].strip()
AttributeError: 'NoneType' object has no attribute 'contents'

我缺少什么吗？ beautifulsoap的版本：4.6.0

Answer 1

您想要pre 块的所有文本内容吗？

print bs.pre.text

返回：

ZeroDivisionErrorTraceback (most recent call last)
<ipython-input-2-0f9f90da76dc> in <module>()

Answer 2

您的代码示例中的.font 指的是HTML 标记<font>。由于您正在查看文档中的所有文本，因此您可以使用以下内容：

contents = bs.find_all(text=True)
for c in contents:
    print(c)  # replace this with whatever you're trying to do

输出：

ZeroDivisionError
Traceback (most recent call last)

<ipython-input-2-0f9f90da76dc>
 in
<module>
()

当前bs.font 是None，因为您正在解析一个不包含任何<font> 标记的文档。

如果您只想将内容作为一个长字符串，您可以通过使用 bs.text 来获得它

'\nZeroDivisionErrorTraceback (most recent call last)\n<ipython-input-2-0f9f90da76dc> in <module>()\n'