如何用 BeautifulSoup 获取文本和对应的标签？

Question

我有一个文本，包含 HTML 个标签，例如：

text = <p>Some text</p> <h1>Some text</h1> .... 
soup = BeautifulSoup(text)

我使用BeautifulSoup解析了这段文本。 我想用相应的文本和标签提取每个句子。 我试过：

for sent in soup:
    print(sent.text) <- ok
    print(sent.tag) <- **not ok since NavigableString does not has tag attribute**

我也试过soup.find_all()并停留在同一点：我可以访问文本但不能访问原始标签。

Answer 1

而不是tag使用name来获取元素标签名称：

for tag in soup.find_all():
    print(tag.text, tag.name)

使用参数'html.parser'来避免标准解析器lxml的行为，该行为会稍微重塑结构并将部分 HTML 包装在<html>和<body>中

例子

from bs4 import BeautifulSoup

html = '''<p>Some text</p><h1>Some text</h1>'''
soup = BeautifulSoup(html, 'html.parser')

for tag in soup.find_all():
    print(tag.text, tag.name)

Output

Some text p
Some text h1