python - 如何告诉 BeautifulSoup 将特定标签的内容提取为文本？ (不碰它)

Question

我需要解析一个包含“代码”标签的 html 文档

我得到这样的代码块:

soup = BeautifulSoup(str(content))
code_blocks = soup.findAll('code')

问题是，如果我有这样的代码标签:

<code class="csharp">
    List<Person> persons = new List<Person>();
</code>

BeautifulSoup 强制关闭嵌套标签并将代码块转换为:

<code class="csharp">
    List<person> persons = new List</person><person>();
    </person>
</code>

有什么方法可以使用 BeautifulSoup 将代码标签的内容提取为文本，而不让它修复 IT 认为的 html 标记错误？

Answer 1

将代码标记添加到 QUOTE_TAGS 字典。

from BeautifulSoup import BeautifulSoup

content = "<code class='csharp'>List<Person> persons = new List<Person>();</code>"

BeautifulSoup.QUOTE_TAGS['code'] = None
soup = BeautifulSoup(str(content))
code_blocks = soup.findAll('code')

输出:

[<code class="csharp"> List<Person> persons = new List<Person>(); </code>]