BeautifulSoup - 去除段落空白/换行

Question

similarlist = res.find_all_next("div", class_="result-wrapper")
for item in similarlist:
    print(item)

这段代码返回了：

<div class="result-wrapper">
<div class="row-fluid result-row">
<div class="span6 result-left">
<p>
<a class="tooltipLink warn-cs" data-original-title="Listen" href="..." rel="tooltip"><i class="..."></i></a>
<a class="muted-link" href="/dictionary/german-english/aa-machen">Aa <b>machen</b></a>
</p>
</div>   
<div class="span6 result-right row-fluid">
<span class="span9">
<a class="muted-link" href="/dictionary/english-german/do-a-poo">to do a poo</a>, <a class="muted-link" href="/dictionary/english-german/pooh">to pooh</a>
</span>
</div>
</div>
</div>

当我选择打印 item.get_text() 的时候，我得到了

abgeneigt machen
to disincline




abhängig machen
2137

to predicate




Absenker machen
to layer

所以基本上在列表项之间出现了很多我不需要的空行。这是因为 <p> 标签吗？我该怎么去掉它们呢？

Answer 1

你可以在Python中使用strip()这个函数。

比如，item.get_text().strip()

Answer 2

是的，在标签之间，HTML 也包含空白字符（包括换行符）。

你可以用一个正则表达式轻松地把所有多行的空白字符压缩成一行：

import re

re.sub(r'\n\s*\n', r'\n\n', item.get_text().strip(), flags=re.M)

这个方法可以去掉两个换行符之间的任何空白字符（换行、空格、制表符等等）。