我正在使用BeautifulSoup转换HTML数据,提取所有'p'标签中的文本,并将其转换为字符串。我是这样做的:
source = BeautifulSoup(response.text, "html.parser")
content = ""
for section in source.findAll('p'):
content += section.get_text()
然而,当我进行转换时,如上述的标签会散布在字符串中。我尝试了多种方法来从我使用的字符串中删除所有这些字符,例如: unicodedata.normalize('NFKC', text)
content = u" ".join(content.split())
text.strip(), text.rstrip()
有没有一个库可以从字符串中删除这些标签。其中一些方法可以解决部分问题,但大部分仍然存在。
编辑:这里是一个字符串示例:https://pastebin.com/2DGECKXa
content = content.strip()
这个操作不是你想要的结果吗? - undefined