Python爬虫:BeautifulSoup 中 string 和 text 的区别

初识 string 和 text 时感觉没什么区别,都是获得标签内的文本啊
然而在这次爬虫过程中发现并不是,他俩的区别还是挺大的

from bs4 import BeautifulSoup
# 实际网站的一段代码
html = """
<div class="bd">
<p class="">
    导演: 弗兰克·德拉邦特 Frank Darabont&nbsp;&nbsp;&nbsp;主演: 蒂姆·罗宾斯 Tim Robbins /...<br>
    1994&nbsp;/&nbsp;美国&nbsp;/&nbsp;犯罪 剧情
</p>
</div>
"""
soup = BeautifulSoup(html,'lxml')
result = soup.find(class_='bd').find('p')
print(result.string)
print(result.text)

在这里插入图片描述
结果很明显,这里用string 获取文本失败,用 text 却可以正常获得

具体的原因可以参考: 丹枫无迹

我的理解它们俩的区别是

  1. 对于就是标签内只有不含有其他标签子节点,那么这个 tag 可以使用 result.string 得到文本,也可以用 result.text 获得文本
  2. 如果 tag 包含了多个子节点,tag 就无法确定 result.string 方法应该调用哪个子节点的内容, result.string 的输出结果是 None

下面回到我测试的这段代码发现:
在这里插入图片描述p 标签内里面还有一个 br 标签,为了验证现在把 这个 br 标签删掉测试下:

from bs4 import BeautifulSoup
html = """
<div class="bd">
<p class="">
    导演: 弗兰克·德拉邦特 Frank Darabont&nbsp;&nbsp;&nbsp;主演: 蒂姆·罗宾斯 Tim Robbins /...
    1994&nbsp;/&nbsp;美国&nbsp;/&nbsp;犯罪 剧情
</p>
</div>
"""
soup = BeautifulSoup(html,'lxml')
result = soup.find(class_='bd').find('p')
print(result.string)
print(result.text)

在这里插入图片描述
发现都能正常显示

所以以后通过 string 筛选文本时,一定注意该标签内是否含有其他标签即子标签,如果最好使用 text

  • 27
    点赞
  • 60
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 5
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 5
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

南淮北安

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值