Convertir </br> à la fin de ligne

Je suis en train d'extraire du texte à l'aide de BeautifulSoup. Je suis en utilisant get_text() la fonction de ce but.

Mon problème est que le texte contient </br> balises et j'ai besoin de les convertir à la fin des lignes. comment puis-je faire cela?

InformationsquelleAutor MBZ | 2012-09-22
  1. 5

    Une regex devrait faire l'affaire.

    import re
s = re.sub('<br\s*?>', '\n', yourTextHere)

    Espérons que cette aide!

    InformationsquelleAutor mbinette
  2. 57

    Vous pouvez faire cela en utilisant la BeautifulSoup objet lui-même, ou tout élément de celui-ci:

    for br in soup.find_all("br"):
    br.replace_with("\n")
    • l'avantage de cette réponse est que vous pouvez appeler soup.text par la suite, de supprimer d'autres balises html, alors qu'actuellement accepté de répondre à n'offrent pas cette possibilité.
    • Watch out pour ce faire, vous risquez de perdre certains contenus de façon non intentionnelle. Vous devrez peut-être faire quelque chose comme br.replace_with("\n" + br.text). Cette balise est mal...
    InformationsquelleAutor Ian Mackinnon
  3. 31

    Comme officiel doc dit:

    Vous pouvez spécifier une chaîne de caractères qui sera utilisée pour joindre les bouts de texte: de la soupe.get_text("\n")

    • Ce doit être la accepté de répondre.
    • Semble que "des morceaux de texte" sont des mots, pas des lignes, donc, ce serait ajouter un saut de ligne entre chaque 2 mots.
    • Je ne suis pas sûr de ce que vous voulez dire par là -- je crois que des "morceaux de texte" désigne un texte séparé par des balises. Je ne suis certainement pas l'obtention d'un saut de ligne entre chaque paire de mots quand je le lance, comme vous le suggérez.
    InformationsquelleAutor Guts
  4. 0

    L'ajout de Ian et dividebyzero post/commentaires, vous pouvez le faire efficacement filtre/remplacer de nombreux étiquettes en une seule fois:

    for elem in soup.find_all(["a", "p", "div", "h3", "br"]):
    elem.replace_with(elem.text + "\n\n")
    InformationsquelleAutor petezurich