BeautifulSoup接口介绍之2（提取文本内容方法）
上一节讲了查找标签，如果已经找到了标签，则继续提取其文本。
提取文本的常用方法是get_text，还有.string及.contents等等。
1. get_text() —— 提取标签及其所有子标签的文本**
get_text方法返回当前标签及其所有子标签的文本（合并成一个字符串）。可以指定分隔符和去除空白。
参数说明
separator： 文本之间的分隔符（默认''）strip： 是否去除文本两端的空白（默认False）
示例
from bs4 import BeautifulSoup
html = '''
<div>
中国人
<span>北京</span>
<span>上海</span>
</div>
'''
soup = BeautifulSoup(html, 'html.parser')
text = soup.div.get_text(separator=' ', strip=True)
print(text) # 输出：'中国人 北京 上海'
2. .string —— 提取标签的直接文本（仅限单个文本节点）
特点
- 返回 当前标签的直接文本（如果标签内只有一个文本节点，否则返回
None）。 - 不包含子标签的文本。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser')
情况1：标签内只有文本
print(soup.div.string) # 输出：'中国人'
情况2：标签内有嵌套标签
print(soup.find_all('div')[1].string) # 输出：None ```
3. .strings —— 生成所有子文本节点的迭代器
特点
- 返回一个生成器，按顺序生成 所有子标签的文本（包括空白）。
- 需要手动处理空白（如
strip()）。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') for s in soup.div.strings: print(repr(s)) # 输出：'\n 中国人\n '、'北京'、'\n '、'上海'、'\n' ```
4. .stripped_strings —— 生成去空白后的文本迭代器
特点
- 返回一个生成器，生成 去空白后的子文本（自动去除两端空白）。
- 比
.strings更干净。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') for s in soup.div.stripped_strings: print(s) # 输出：'中国人'、'北京'、'上海' ```
5. .contents —— 获取标签的直接子节点列表
特点
- 返回 直接子节点列表（包括文本和子标签）。
- 每个元素可能是
Tag或NavigableString。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') for child in soup.div.contents: print(repr(child)) # 输出：'\n 中国人\n '、北京、'\n '、上海、'\n' ```
6. .children —— 获取直接子节点的迭代器
特点
- 返回 直接子节点的迭代器（类似
.contents，但更节省内存）。 - 适用于遍历大量子节点。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser')
for child in soup.div.children:
print(repr(child)) # 输出同 .contents
```
7. .descendants —— 递归获取所有子孙节点
特点
- 返回 所有子孙节点的生成器（递归遍历）。
- 包括标签、文本、注释等。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') for descendant in soup.div.descendants: print(repr(descendant))
输出：'\n 中国人\n '、北京、'北京'、'\n '、上海、'上海'、'\n'
```
8. .parent / .parents —— 获取父节点
特点
.parent：返回直接父节点。.parents：返回所有祖先节点的生成器。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') span = soup.span print(span.parent.name) # 输出：'div' for parent in span.parents: print(parent.name) # 输出：'div'、'body'、'html'、'[document]' ```
9. .next_sibling / .previous_sibling —— 获取兄弟节点
特点
.next_sibling：返回下一个兄弟节点。.previous_sibling：返回上一个兄弟节点。- 注意：空白和换行也会被视为兄弟节点！
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') span_a = soup.find('span', string='A')
print(spana.nextsibling) # 输出：'\n '（空白） print(spana.nextsibling.next_sibling) # 输出：B ```
10. .next_element / .previous_element —— 按文档顺序遍历节点
特点
.next_element：返回下一个解析的节点（可能是标签或文本）。.previous_element：返回上一个解析的节点。
示例
```python from bs4 import BeautifulSoup
html = '''
'''
soup = BeautifulSoup(html, 'html.parser') span = soup.span
print(span.nextelement) # 输出：'A' print(span.nextelement.next_element) # 输出：'B' ```
方法对比总结
| 方法 | 返回类型 | 特点 | 适用场景 |
|------|---------|------|---------|
| get_text() | str | 提取所有文本（含子标签） | 需要合并文本 |
| .string | str 或 None | 仅提取直接文本（无嵌套） | 单层文本 |
| .strings | 生成器 | 生成所有子文本（含空白） | 逐条处理文本 |
| .stripped_strings | 生成器 | 生成去空白后的子文本 | 清理后的文本 |
| .contents | list | 直接子节点列表 | 按索引访问子节点 |
| .children | 迭代器 | 直接子节点的迭代器 | 遍历子节点 |
| .descendants | 生成器 | 所有子孙节点 | 递归遍历 |
| .parent / .parents | Tag / 生成器 | 获取父节点/祖先节点 | 向上查找 |
| .next_sibling / .previous_sibling | Tag 或 None | 兄弟节点 | 水平查找 |
| .next_element / .previous_element | Tag 或 str | 按文档顺序遍历 | 低层操作 |
如何选择？
- 提取所有文本 →
get_text() - 提取无嵌套的纯文本 →
.string - 逐条处理子文本 →
.stripped_strings - 遍历子节点 →
.children或.contents - 递归遍历所有节点 →
.descendants - 查找父节点或兄弟节点 →
.parent/.next_sibling
根据需求选择最合适的方法！