[Python知识库] 为什么BeautifulSoup .children包含无名元素如换行符 |n

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Python知识库 -> 为什么BeautifulSoup .children包含无名元素如换行符 |n -> 正文阅读

[Python知识库]为什么BeautifulSoup .children包含无名元素如换行符 |n

发现问题

有如下实例代码：

#!/usr/bin/env python3
from bs4 import BeautifulSoup

test="""<!DOCTYPE html>
<html>
<head>
 <meta content="text/html; charset=UTF-8" http-equiv="Content-Type"/>
 <title>Test</title>
</head>
<body>
<table>
<tbody>
<tr>
 <td>
  <div>
   <b>
    Icon
   </b>
  </div>
 </td>
</tr>
</tbody>
</table>
</body>
</html>"""

soup = BeautifulSoup(test, 'html.parser')
rows = soup.findAll('tr')
for r in rows:
    print(r.name)
    for c in r.children:
        print('>', c.name)

有如下输出：

tr
> None
> td
> None

我们观察到出现了原HTML文档中不存在的元素，这是什么原因呢？

分析原因

这是因为.children 可以是NavigableStrings也可以是Tag类型，在我的例子中，他是tr标签前后的空白。
设计实验如下：

rows = soup.find_all('tr')
for r in rows:
   print("row:", r.name)
   for c in r.children:
       print('----')
       print(type(c))
       print(repr(c))

会有如下输出：

row: tr
----
<class 'bs4.element.NavigableString'>
'\n'
----
<class 'bs4.element.Tag'>
<td>
<div>
<b>
    Icon
   </b>
</div>
</td>
----
<class 'bs4.element.NavigableString'>
'\n'

解决办法：

加一个判断，使其类型为想要的类型就好了：

soup = BeautifulSoup(test2, 'html.parser')
rows = soup.find_all('tr')
for r in rows:
   print("row:", r.name)
   for c in r.children:
       if isinstance(c, bs4.element.Tag):
           print('>', c.name)