使用BeautifulSoup获取di的分隔内容

Question

我想从BeautifulSoup中得到正确分隔的文本，必要时将标记转换为空白。问题是换行被折叠，而像<br/>这样的标记没有呈现为空白。在

<div class="companyInfo">
    <p class="identInfo">
        <acronym title="Standard Industrial Code">
            SIC
        </acronym>
        :
        <a href="/?SIC=3674">
            3674
        </a>
        - SEMICONDUCTORS &amp; RELATED DEVICES
        <br />
        State location: CA
    </p>
</div>

如果我运行BeautifulSoup（sampleHTML）.text，我会得到以下结果：

^{pr2}$

我想要一些正确处理空白的东西，比如：

u'SIC : 3674 - SEMICONDUCTORS & RELATED DEVICES State location: CA'

有什么建议吗？谢谢！在

Answer 1

最后我使用content方法从各个节点获取我想要的信息。结果证明这比使用text方法更好，因为它消除了对一些文本解析的需要。在

所以，总之，使用内容法或者按照Jouni留下的链接来检查答案。在

Answer 2

您还可以使用getText（）函数。getText（）有一个可选的分隔符参数。在

BeautifulSoup(sampleHTML).getText(' ').strip()

strip（）用于删除任何前导空格和尾随空格。在