BeautifulSoup文档学习4-输出
2020-03-13 本文已影响0人
W_f6d7
输出
格式化输出
prettify()方法将BeautifulSoup的文档树格式化后以Unicode编码输出，每个XML/HTML标签独占一行。
示例：
>>> markup = '<a href="http://example.com/">I linked to <i>example.com</i></a>'
>>> soup = BeautifulSoup(markup)
>>> soup.prettify()
'<html>\n <body>\n <a href="http://example.com/">\n I linked to\n <i>\n example.com\n </i>\n </a>\n </body>\n</html>'
>>> print(soup.prettify())
<html>
<body>
<a href="http://example.com/">
I linked to
<i>
example.com
</i>
</a>
</body>
</html>
BeautifulSoup对象和它的tag节点都可以调用prettify()方法
压缩输出
如果只想得到结果字符串，可以对BeautifulSoup对象或者tag对象直接使用Python的unicode()和str()方法：
>>> str(soup)
'<html><head></head><body><a href="http://example.com/">I linked to <i>example.com</i></a></body></html>'
>>> unicode(soup.a)
u'<a href="http://example.com/">I linked to <i>example.com</i></a>'
get_text()
如果只想得到tag中包含的文本内容，可以使用get_text()方法，这个方法获取到tag中包含的所有文本内容包括子孙节点中tag的内容，并结果作为Unicode字符串返回：
>>> markup = '<a href="http://example.com/">\nI linked to <i>example.com</i>\n</a>'
>>> soup = BeautifulSoup(markup)
>>> soup.get_text()
'\nI linked to example.com\n'
>>> soup.i.get_text()
'example.com'
可以通过参数指定tag的文本内容的分隔符：
>>> soup.get_text("|")
'\nI linked to |example.com|\n'
还可以去除获得内容的前后空白：
>>> soup.get_text("|", strip=True)
'I linked to|example.com'
