什么是可导航字符串 (HTML)？

Question

我目前正在尝试使用 Python 2.7 的 BeautifulSoup (bs4) 从网页中抓取文本。我的原代码如下：

string = ''
a = soup.find('div',attrs={"id":"pressrelease"})
[x.extract() for x in a.findAll('script')]
[x.extract() for x in a.findAll("span", {'class':'hidden'})]
    
for element in a:
     try:
         string += element.get_text()
        
     except Exception as e: print(e)

虽然我的代码确实为我提供了所需的文本，但它也会出现以下错误：'NavigableString' object has no attribute 'get_text'。如果代码遇到异常，我想实现一个保存 URL 的功能，但在这种情况下，我不希望保存 URL，因为即使它抛出异常，页面也被成功抓取。因此，我试图更好地理解错误到底是什么（因此我可以决定是否有意忽略这种情况）。

任何关于什么是 navigablestring 以及为什么它会导致我的代码抛出此类错误的解释将不胜感激！

Answer 1

NavigableString 是 HTML 文档中的一段文本。见the docs。您搜索的标签内至少有一个项目是一些文本，可能是一些空格。

字符串不能包含文本，它们是文本，所以它们没有get_text方法，因此尝试调用这样的方法是错误的。

您可以检查每个项目以查看它是否为 bs4.element.Tag，然后再尝试对它们调用 get_text()。

for item in a:
     if type(item) is bs4.element.Tag:
         string += item.get_text()

请注意，我将您的迭代变量更改为 item，因为您将其称为 element 可能已经让您认为它实际上是一个 HTML 元素，但至少在一种情况下它绝对不是.