我想学用呼呼。我有大量的html文档要搜索。我发现text_content()方法会产生一些有趣的问题,例如,我可能有一些文本被组织在一个表中,看起来像
banana | republic |
stateless | person |
当我获取原始字符串并获取树,然后使用text_content以以下方式获取文本
^{pr2}$
结果没有空格(如预期的那样)
'bananarepublicstatelessperson'
我试着用插入新行字符串。替换()myString = myString.replace('','\n')
我确认有新的生产线'
banana | republic |
stateless | person |
但是当我从上面运行相同的代码时,就不存在行提要了。因此,得到的text_content()与上面所示类似。
这是我的一个问题,因为我需要能够分离单词,我想我可以在每个td后添加不间断空格,行后添加换行符,以及body元素后添加d换行符等等,以获得与我的原始源代码合理一致的文本。在
我会注意到,我做了更多的测试,发现在段落标记结束后插入的换行符被保留了。但是表格中有很多文本需要我搜索。在
谢谢你的帮助