python - BeautifulSoup 和表格行内的换行符？

Question

示例代码:

from BeautifulSoup import BeautifulSoup, SoupStrainer

html='''<tr>
<td align="left">Foo<br />
Bar<br /></td>
</tr>'''

soup=BeautifulSoup(html)
rows=soup.findAll('tr')
print rows
print rows[0].text.encode("utf8")

我希望输出类似于“Foo Bar”，或者即使两行之间有一个实际的换行符也可以，但我得到的输出只有“FooBar”，请注意没有空格两条线之间。

对 python 和 beautifulsoup 非常陌生，有人可以帮忙吗？

Answer 1

您可以使用 cell = rows[0].find('td') 更进一步, 然后使用 cell.contents 查看其内容，然后过滤你需要的元素，然后join他们用空格。

另一种选择:您可以使用正则表达式来替换 <br />通过一个空间。为此你可以写:

import re
s = re.sub('<br\s*?>', ' ', rows[0].text)

然后你可以将多个连续的空格替换为

s = re.sub('\s+', ' ', s)

那么字符串应该是这样的:

>>> print s
<tr> <td align="left">Foo Bar </td> </tr>

然后你就可以轻松的提取你需要的部分了。