使用BeautifulSoup4在<div>部分中获取带/不带<p>标记的字符串

Question

我有一个使用BS4的旧网页要废弃。其中一部分是一篇我需要删掉的长篇文章。那篇文章的格式很奇怪，像这样：

<div id='essay'>
  this is paragraph1
  <p>this is paragraph2</p>
  this is paragraph3
  <p>this is paragraph4</p>
</div>

使用bs4，我尝试了以下操作： 使用

^{pr2}$

我能提取

'this is paragraph1' and 'this is paragraph3'

或者

ps = soup.find('div', id='essay').find_all('p')
for p in ps:
    print p.text

我能提取

'this is paragraph2' and 'this is paragraph4'

如果我同时使用这两个，我会得到第1、3、2、4段，这是不正常的。我需要确保段落顺序也是正确的。我能做些什么来达到这个目的呢？在

编辑：问题只是一个例子，它不保证在偶数和奇数段之间交错。。。让我稍微澄清一下我的问题：我想有一种方法来按顺序提取段落，而不管是否有<；p>。在

Answer 1

下面的方法似乎有效

import bs4

soup = bs4.BeautifulSoup("""
<div id='essay'>
this is paragraph1
<p>this is paragraph2</p>
this is paragraph3
<p>this is paragraph4</p>
</div>
""", "lxml")

main = soup.find('div', id='essay')
for child in main.children:
    print(child.string)