如何使用BeautifulSoup剥离html，并像textContent一样保留换行符？
BeautifulSoup是一个Python库，用于解析HTML和XML文档。它提供了一种简单而灵活的方式来提取和操作网页中的数据。
要使用BeautifulSoup剥离HTML并保留换行符，可以按照以下步骤进行操作：
- 首先，确保已经安装了BeautifulSoup库。可以使用以下命令进行安装：pip install beautifulsoup4
- 导入BeautifulSoup库和需要处理的HTML文档：from bs4 import BeautifulSoup html_doc = """ <html> <body> <p>This is a paragraph.</p> <p>This is another paragraph.</p> </body> </html> """
- 创建BeautifulSoup对象，并指定解析器为lxml：soup = BeautifulSoup(html_doc, 'lxml')
- 使用BeautifulSoup的
prettify()方法可以将HTML文档格式化为易读的字符串形式：formatted_html = soup.prettify() print(formatted_html)
输出结果将保留原始HTML文档的结构和换行符：
<html>
<body> <p> This is a paragraph. </p> <p> This is another paragraph. </p></body></html>
如果只需要提取文本内容，可以使用BeautifulSoup的get_text()方法：
text_content = soup.get_text()
print(text_content)
输出结果将只包含文本内容，换行符将被转换为空格：
This is a paragraph. This is another paragraph.
如果需要保留换行符，可以使用replace()方法将空格替换为换行符：
text_content = soup.get_text().replace(' ', '\n')
print(text_content)
输出结果将保留换行符：
This
is
a
paragraph.
This
is
another
paragraph.
这样，你就可以使用BeautifulSoup剥离HTML并保留换行符了。关于BeautifulSoup的更多用法和功能，请参考腾讯云的相关产品和产品介绍链接地址。
相关·内容
这就是我得到的：>>> BeautifulSoup("<p>Hello</p>\n\n<p>World</p>").get_text()空格大部分被保留了下来，但是，就像上面的例子一样，换行符没有被保留。我想去掉没有任何空格规范化的超文本标记语
浏览 34提问于2016-08-22得票数 1
我正在使用从文本中剥离HTML。return doc.body.textContent || "";如果我有这样的HTML：This is the second line<br>它去掉断行，并创建如下文本：
This is the first lineThis is the second lineThis is the third<em
浏览 3提问于2022-06-30得票数 0
回答已采纳
使用AngleSharp处理一些HTML并提取元素的文本内容以供以后挖掘，我遇到了AngleSharp剥离HTML标记的方法出现问题。例如，我有一个类似这样的HTML片段(减去换行符和选项卡)： blah, blah, blah, blah <ul>当然，我可以运行一个搜索并替换(可能是使用regex)，类似于(\S)\..
浏览 3提问于2015-12-29得票数 3
在python中，如何在使用lxml.html时保留段落(即保留换行符)？例如，下面将剥离标记并加入这些行，这不是我想要的：content = body.text_content()lxml.html.clean.clean_html：不会保存newlines.
浏览 3提问于2010-11-22得票数 2
回答已采纳
我正在做一个相当基本的rails应用程序，我想知道从文本字段中剥离不需要的html的最好方法是什么(基本上，我希望保留的只是链接和不超过2个换行符)。目前，我正在剥离所有的html并使用simpleformat，因为它似乎比使用RDiscount和Markdown/Textile的开销要小，但这并不是一个理想的解决方案。
浏览 2提问于2009-07-01得票数 0
回答已采纳
我使用的是RichTextEditor，并允许用户重新调整它的大小。所有的控件都被剥离到一个主工具栏中，这样RichTextEditor看起来就像一个包含文本的框。我有一个问题，当我保存编辑器生成的htmltext并稍后重新呈现它时，它总是在文本的末尾添加一个额外的换行符。我发现这是由于段落标签的原因，因为我希望用户能够对齐文本，所以我必须保留它。有谁知道如何在不剥离所有格式的情况下剥离最后一个换行符？
浏览 0提问于2012-05-24得票数 1
回答已采纳
我使用预格式化的文本文件作为电子邮件的模板。文件在我想要的地方有换行符。我想使用此模板发送纯文本电子邮件，但当我这样做时，我将丢失所有格式。换行符被剥离。 Dim TextStream
Set Text
浏览 9提问于2008-11-26得票数 0
回答已采纳
当我使用submit按钮时，我使用.text()来获取div的内容。这将剥离div中的所有html标记，从而删除所有的<br>标记。所以没有换行。
我想知道，在提交表单时如何保留换行符。
浏览 1提问于2013-04-13得票数 10
3回答
用户将文本输入到文本区，该文本区可以包含换行符以进行格式化。我将此文本按原样保存到mySQL数据库中，而不添加HTML分隔符。这看起来像“文本废话。\n\n文本2废话。”在数据库记录中。我使用echo nl2br($text);在常规的超文本标记语言页面上显示文本，文本的格式很好，两个换行符显示为两个句子，中间有一个空行。在本例中，我没有使用nl2br，因为这样做只会从字面上显示HTML字符(而不是实际创建换行符--换句话说，向用户显示br的6个字符)
浏览 2提问于2012-07-15得票数 1
回答已采纳
4回答
我正在研究一个专门的HTML剥离器。当前的剥离器将标签替换为制表符，然后使用双回车符替换标签。编辑:我不喜欢使用一个库，因为让它签署并包含在项目中令人头疼(它本身就是一个要包含在另一个项目中的库)，更不用说法律问题了。但是，如果没有其他解决方案，我可能会使用HTML Agility Pack。大多数情况下，剥离器只是剥离它发现的任何看起来像标签的东西(在正则表达式Cookbook中使用</e
浏览 7提问于2009-07-23得票数 2
回答已采纳
4回答
我正在使用Python来完成这个任务。为此，我尝试过在HTML页面上使用BeautifulSoup，但在解析包含大量JavaScript的站点时，我遇到了困难，因为这些文件上的大部分信息都存储在<script>标记中。
有什么办法吗？
浏览 8提问于2014-03-31得票数 5
回答已采纳
1回答
我们的所有数据都可以导出为HTML报告、PDF报告和Excel电子表格(报告)。
允许使用富文本的字段在HTML和PDF报告中都显示为格式化的值，但在Excel中显示为字符串。我需要一种方法来使它在excel中显示为粗体/换行符，而不是仅仅显示该字符串，或者至少是一种从那里剥离HTML标记并只显示纯文本的方法(尽管我真的希望至少保留换行符)。
浏览 19提问于2011-03-15得票数 1
我试图从一个表中生成一个图表，该表在TD中有各种HTML标签，链接等，我试图剥离HTML在图表中使用，但保留现有的表与链接等。这是我的代码： function stripHTML(html) var tmp = document.createElement("DIV"); return tmp.text
浏览 4提问于2017-03-25得票数 0
5回答
我有一个HTML代码，代码如下 <div class="code"> <div class="code"> </div>
HTML标记内的文本将变为一行长，开始和尾随空
浏览 2提问于2013-07-08得票数 8
如何在json获取的数据中插入换行符。此json是从远程firebase服务器传递的。更新:我正在使用ionic 5，并像这样打印json： {{sanitizeAndUnescapeHtmlsanitizeAndUnescapeHtml(body: string): string {
const sanitized = this.domSanitzer
浏览 0提问于2021-05-07得票数 0
3回答
我正在尝试创建一个HTML5内容可编辑的div，它只接受纯文本。我在下面使用html和jQuery：
jQuery $('[contenteditable]'是否有任何方法可以在筛选HTML标记后接受数据，以便任何人按类型、粘贴、删除或任何其他方式在可编辑的div中输入数据。它应该以文本的形式显示。
浏览 2提问于2014-06-25得票数 11
1回答
我正在从服务器接收具有HTML标签的字符串。我使用像string1.replaceAll("\\<.*?>","")这样的正则表达式删除了这些标记，但问题是它也删除了换行符和超链接。我想保留超链接和换行符，并删除其他所有内容。
浏览 1提问于2012-02-17得票数 0
回答已采纳
我试图在火狐中输入几行代码，并期望使用getContent{format: text}来仅获取内容。DOCTYPE html> <head> <body> </body>
</html>
浏览 0提问于2014-05-07得票数 1
我在我的Pylons网站上使用Mako模板系统，在剥离空格时遇到了一些问题。Mako文档说您可以使用trim标志，但这似乎不起作用。示例代码： ${next.body() |
浏览 4提问于2010-09-03得票数 4
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
