如何使用Python和BeautifulSoup将<br>分隔的段落转为多个段落

有些HTML编写者会在<p>标签内使用<br>标签分隔内容，这给用BeautifulSoup抓取拆分带来了麻烦。比如原HTML结构是：

<p>
 part1
 <br> 
 part2
 <br>
 part3
 <br>
 part4
</p>

我们需要将其转换为每个内容段对应独立<p>标签的结构：

<p>part1</p>
<p>part2</p>
<p>part3</p>
<p>part4</p>

解决方案一：保留文档结构替换 #

这种方法会在原BeautifulSoup文档对象中直接替换标签，适合需要继续处理其他内容的场景：

from bs4 import BeautifulSoup

html = """
<p>
 part1
 <br> 
 part2
 <br>
 part3
 <br>
 part4
</p>
"""

soup = BeautifulSoup(html, 'html.parser')
target_p = soup.find('p')

# 提取所有非空白的文本片段
text_segments = [segment.strip() for segment in target_p.stripped_strings if segment.strip()]

# 清空原p标签内容
target_p.clear()

# 为每个文本片段创建新p标签，插入到原标签之前
for seg in text_segments:
    new_p = soup.new_tag('p')
    new_p.string = seg
    target_p.insert_before(new_p)

# 删除原p标签
target_p.decompose()

# 输出处理后的HTML
print(soup.prettify())

解决方案二：直接生成目标HTML字符串 #

如果只需要得到最终的HTML结果，不需要维护文档对象，可以用更简洁的写法：

from bs4 import BeautifulSoup

html = """
<p>
 part1
 <br> 
 part2
 <br>
 part3
 <br>
 part4
</p>
"""

soup = BeautifulSoup(html, 'html.parser')
# 提取有效文本片段
valid_segments = [s.strip() for s in soup.p.stripped_strings if s.strip()]
# 拼接成目标HTML
result_html = '\n'.join(f'<p>{seg}</p>' for seg in valid_segments)

print(result_html)

内容的提问来源于stack exchange，提问作者congtailai