首页 文章

如何告诉BeautifulSoup将特定标签的内容提取为文本？ （没有接触它）

提问于
浏览 次
3

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？

python syntax-highlighting beautifulsoup

1 回答

  • 7

    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>]
    回复于

相关问题