在使用 Beautiful Soup 解析 HTML 时，处理
换行符（`\n`）的行为取决于 HTML 文档的结构以及解析器如何表示这些内容。Beautiful Soup 在解析过程中会自动将 HTML 转换为
Unicode 编码，并对空白字符进行一定的规范化处理[^2]。
### 处理 HTML 中的
换行符
HTML 中的
换行符通常出现在以下几种情况中：
- `<br>` 标签用于强制
换行。
- `<pre>` 或 `<textarea>` 等标签中的原始文本保留了空格和
换行符。
- 普通文本节点中包含
换行符，例如在 `<div>` 或 `<p>` 标签中手动插入 `\n`。
Beautiful Soup 默认不会保留所有的空白字符，包括
换行符，除非它们是明确由 HTML 标签（如 `<br>`）或 `<pre>` 标签定义的。如果需要保留原始
换行信息，可以在提取文本时结合 `.text` 属性或 `get_text()` 方法并使用适当的参数。
### 示例代码：提取并保留
换行符
```python
from bs4 import BeautifulSoup
html = '''
<div>
这是一段文字，
这里有一个
换行符。\n
<br/>
这是下一行的内容。
</div>
'''
soup = BeautifulSoup(html, 'html.parser')
# 提取所有文本内容，并用 \n 分隔不同节点的文本
text_with_newlines = soup.div.get_text('\n', strip=True)
print(text_with_newlines)
```
输出结果如下：
```
这是一段文字，
这里有一个
换行符。
这是下一行的内容。
```
在这个示例中，`get_text('\n')` 使用
换行符作为分隔符，使得多个子节点的文本内容在合并时保留了逻辑上的
换行[^5]。
### 特殊标签中的
换行符
对于 `<pre>` 标签，其中的文本通常要求保留原始格式，包括空格和
换行符。Beautiful Soup 会原样保留这些内容：
```python
html = '''
<pre>
This is a pre-formatted
text block with line breaks.
</pre>
'''
soup = BeautifulSoup(html, 'html.parser')
print(soup.pre.text)
```
输出结果中将保留原始
换行和缩进：
```
This is a pre-formatted
text block with line breaks.
```
### 控制空白字符的处理方式
若希望完全控制空白字符的处理，可以通过遍历 `Tag` 的 `.contents` 并手动判断每个子节点是否为 `NavigableString`，从而精确地提取原始文本内容：
```python
from bs4 import BeautifulSoup, NavigableString
html = '''
<p>Hello<br/>World</p>
'''
soup = BeautifulSoup(html, 'html.parser')
for child in soup.p.children:
if isinstance(child, NavigableString):
print(repr(child))
```
这段代码将分别输出 `'Hello'` 和 `'World'`，中间的 `<br/>` 是一个 `Tag` 对象而非字符串。
---
###
扫一扫
1559
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
