如何告诉BeautifulSoup将特定标记的内容提取为文本？ (不接触它)

2019年8月4日 191次阅读

我需要解析一个包含“code”标签的html文档

我得到这样的代码块：

soup = BeautifulSoup(str(content))
code_blocks = soup.findAll('code')

问题是,如果我有这样的代码标签：

<code class="csharp">
    List<Person> persons = new List<Person>();
</code>

BeautifulSoup更喜欢关闭嵌套标签并将代码块转换为：

<code class="csharp">
    List<person> persons = new List</person><person>();
    </person>
</code>

有没有办法使用BeautifulSoup将代码标签的内容提取为文本而不让它修复IT认为的html标记错误？

最佳答案 将代码标记添加到QUOTE_TAGS字典中.

from BeautifulSoup import BeautifulSoup

content = "<code class='csharp'>List<Person> persons = new List<Person>();</code>"

BeautifulSoup.QUOTE_TAGS['code'] = None
soup = BeautifulSoup(str(content))
code_blocks = soup.findAll('code')

输出：

[<code class="csharp"> List<Person> persons = new List<Person>(); </code>]
点赞