'contents' を使用し、<br>
?を置き換えます。
完全な (実際に動作し、テスト済みの) 例を次に示します。
from bs4 import BeautifulSoup
import urllib2
url="http://www.floris.us/SO/bstest.html"
page=urllib2.urlopen(url)
soup = BeautifulSoup(page.read())
result = soup.find(attrs={'class':'myclass'})
print "The result of soup.find:"
print result
print "\nresult.contents:"
print result.contents
print "\nresult.get_text():"
print result.get_text()
for r in result:
if (r.string is None):
r.string = ' '
print "\nAfter replacing all the 'None' with ' ':"
print result.get_text()
結果:
The result of soup.find:
<span class="myclass">Lorem ipsum<br/>dolor sit amet,<br/>consectetur...</span>
result.contents:
[u'Lorem ipsum', <br/>, u'dolor sit amet,', <br/>, u'consectetur...']
result.get_text():
Lorem ipsumdolor sit amet,consectetur...
After replacing all the 'None' with ' ':
Lorem ipsum dolor sit amet, consectetur...
これは、Sean の非常にコンパクトなソリューションよりも複雑です。しかし、私が示した線に沿ってソリューションを作成し、テストできるようになったらテストすると言っていたので、約束を守ることにしました。ここで何が起こっているかを少しよく見ることができます - はタプル<br/>
内の独自の要素ですが、result.contents
文字列に変換されると「何も残っていません」。