Question

我试图在超文本文件中从一档tag子中提取可供人阅读的文本,但从bs4中获取(文本)功能似乎根本不提取任何东西。

这方面的一个例子是:

P Tag: Launched in 2022, TikTok Shop has become a game-changing addition to the platform. It transformed it into a one-stop shop for both content and online shopping. Integrated within the app, the TikTok Shop allowed creators to sell their products through their content, live stream, and by running ads on the platform.
P text: None
image

我的守则是:

soup = BeautifulSoup(html,  html.parser )
p_tags = soup.find_all( p )
print( P Tags:  , p_tags)
for p in p_tags:
    print( P type:  , type(p))
    print( P:  , p)
    print( P text:  , p.text)

我检查了我的物体是 b4。我使用LMXL教区。我用正文而不是正文进行审判。

Answer 1

这些问题之一可能是:

1. Whitespace and Newlines:

<代码>get_text(>>,除去了白天空间特征和新线。您可使用<条码>strip=False参数,以维护白色空间和新线:

text = p.get_text(strip=False)

2. Hidden text:

如果在<代码>p栏内的案文是使用像<代码>”这样的CSS风格隐藏的:无,则通过get_text(获得t。你们应当调整你的教义逻辑,或考虑利用Script来提取隐藏的文本。

3. Java-formerated Content:

如果你重新试图提取案文是动态生成的,那么光辉 won就能够直接获得。你们必须使用诸如Selenium或Pppeteer等网络报废框架。

友情链接