如何告诉BeautifulSoup将特定标记的内容提取为文本？ (不接触它)

发布时间：2020-12-20 11:17:03 所属栏目：Python 来源：网络整理

导读：我需要解析一个包含“code”标签的html文档我得到这样的代码块： soup = BeautifulSoup(str(content))code_blocks = soup.findAll('code') 问题是,如果我有这样的代码标签： code class="csharp" ListPerson persons = new ListPerson();/code BeautifulSou

我需要解析一个包含“code”标签的html文档

我得到这样的代码块：

soup = BeautifulSoup(str(content))
code_blocks = soup.findAll('code')

问题是,如果我有这样的代码标签：

<code class="csharp">
    List<Person> persons = new List<Person>();
</code>

BeautifulSoup更喜欢关闭嵌套标签并将代码块转换为：

<code class="csharp">
    List<person> persons = new List</person><person>();
    </person>
</code>

有没有办法使用BeautifulSoup将代码标签的内容提取为文本而不让它修复IT认为的html标记错误？

解决方法

将代码标记添加到QUOTE_TAGS字典中.

from BeautifulSoup import BeautifulSoup

content = "<code class='csharp'>List<Person> persons = new List<Person>();</code>"

BeautifulSoup.QUOTE_TAGS['code'] = None
soup = BeautifulSoup(str(content))
code_blocks = soup.findAll('code')

输出：

[<code class="csharp"> List<Person> persons = new List<Person>(); </code>]

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!