BeautifulSoup中的.text方法和get_text()方法的区别

最新推荐文章于 2024-08-04 08:26:03 发布

耐耐~

最新推荐文章于 2024-08-04 08:26:03 发布

阅读量8.1w

点赞数 28

分类专栏： # 爬虫(停更) 文章标签： text方法和.string方法的区别 get_text和.string的区别

爬虫(停更) 专栏收录该内容

12 篇文章 0 订阅

订阅专栏

转自https://www.crifan.com/python_beautifulsoup_string_vs_text/

【背景】

是别人问我的：

BeautifulSoup 4中，soup.string和soup.text何有区别。

【折腾过程】

1.去beautifulsoup的官网：

bs3：

http://www.crummy.com/software/BeautifulSoup/bs3/documentation.html

和

bs4

http://www.crummy.com/software/BeautifulSoup/bs4/doc/#get-text

找了半天，都没有soup.text的用法。

2.但是该人的确使用代码：

price_div = li.find('div' , {'class':'pPrice clearfix'})
vs.append(price_div.em.text.split('\n')[5].strip().encode('gbk'))

是可以运行的。

3.开始我以为此处其html中有个特殊的em和text节点呢，类似于：

<html>
    <em>
        <text>xxx</text>
    </em>
</html>

结果后来证实，其html中只有em，em其下没有text这个tag节点。

4.官网的文档中，和.text最接近的，也只有：

get_text()

解压后，看到：

\beautifulsoup4-4.3.1\bs4\element.py

中，有对应的代码：

    @property
    def stripped_strings(self):
        for string in self._all_strings(True):
            yield string

    def get_text(self, separator=u"", strip=False,
                 types=(NavigableString, CData)):
        """
        Get all child strings, concatenated using the given separator.
        """
        return separator.join([s for s in self._all_strings(
                    strip, types=types)])
    getText = get_text
    text = property(get_text)

所以，结论就很明显了。

【总结】

beautifulsoup中，对外接口，没有提供text这个属性，只有string这个属性值；

beautifulsoup内部才有text这个属性，只供内部使用 –> 如果你想要用text值，应该调用对应的get_text()

而你之所有能够直接用soup.text而没报错，应该是和python的class的property没有变成private有关系 –>导致你外部也可以访问到这个，本身是只供内部使用的属性值-> 这个要抽空深究了。

转载请注明：在路上 » 【整理】BeautifulSoup中的.string和.text的区别

那么get_text()h和string有什么区别的，我自己试了一下，

html="'

<html><head><title >The Dormouse's story</title></head>
<body>
The Dormouse's story
Once upon a time there were three little sisters; and their names were
<a class="sister" href="http://example.com/elsie" id="link1"></a>,
<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>
and they lived at the bottom of a well.
...

'''
发现如果是对a标签进行用get_text方法，返回的是空白
而如果是.string方法，对任何标签都能获得其中注释的内容，即Elsie