如何让BeautifulSoup提取特定标签的文本内容？(不去触碰它)

Question

我需要解析一个包含“code”标签的html文档。

我得到的代码块是这样的：

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

问题是，如果我有一个这样的代码标签：

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

BeautifulSoup会强制关闭嵌套的标签，并把代码块转换成：

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

有没有办法用BeautifulSoup提取代码标签的内容作为文本，而不让它修复它认为的html标记错误？

Answer 1

把代码标签添加到 QUOTE_TAGS 字典里。

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')

输出结果：

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