python - .string 和 .text BeautifulSoup 之间的区别

Question

我在使用 BeautifulSoup 时发现了一些奇怪的地方，但找不到任何支持这一点的文档，所以我想在这里询问。

假设我们有一个类似这样的标签，我们已经用 BS 解析过:

<td>Some Table Data</td>
<td></td>

official documented提取数据的方法是soup.string .然而，这为第二个 <td> 提取了一个 NoneType标签。所以我尝试了soup.text (因为为什么不呢？)它完全按照我的意愿提取了一个空字符串。

但是，我在文档中找不到对此的任何引用，并且担心会遗漏一些东西。谁能告诉我这是否可以使用或以后会引起问题？

顺便说一句，我正在从网页上抓取表格数据，并打算从数据中创建 CSV，所以我确实需要空字符串而不是 NoneTypes。

Answer 1

Tag 类型对象上的

.string 返回 NavigableString 类型对象。另一方面，.text 获取所有子字符串并使用给定的分隔符连接返回。 .text 的返回类型是 unicode 对象。

来自 documentation , NavigableString 就像 Python 的 Unicode 字符串，除了它还支持 Navigating the tree 中描述的一些特性。和 Searching the tree .

来自 documentation在.string上，我们可以看到，如果html是这样的，

<td>Some Table Data</td>
<td></td>

然后，第二个 td 上的 .string 将返回 None。但是.text会返回一个空字符串，是一个unicode类型的对象。

为了更方便，

字符串

• tag 的便利属性，用于获取此标记中的单个字符串。
• 如果 tag 有一个子字符串，那么返回值就是那个字符串。
• 如果 tag 没有子级或多个子级，则返回值为 None
• 如果这个标签有一个子标签，那么返回值是子标签的'string'属性，递归。

和文本

• 获取所有子字符串并使用给定的分隔符连接返回。

如果html是这样的:

<td>some text</td>
<td></td>
<td><p>more text</p></td>
<td>even <p>more text</p></td>

.string上的四个td都会返回，

some text
None
more text
None

.text 会给出这样的结果，

some text

more text
even more text