如何用BeautifulSoup将解析内容保存为无<p>标签的纯文本文件？

原脚本存在的问题 #

1. 第一个脚本中，循环内打印elem.text能正确输出纯文本，但最后执行file.write(str(elem))时，是将最后一个标签对象转为字符串写入，因此会保留<p>标签，且仅保存了最后一个元素的内容。
2. 第二个修改脚本中，data变量未定义，直接调用data.get_text()会报错；此外，将elem赋值为文本后，再调用elem.text会触发AttributeError，因为字符串类型没有text属性。

正确实现方案 #

方案一：直接提取目标div下的所有纯文本

这种方法会自动忽略div内所有HTML标签，提取全部纯文本内容：

from bs4 import BeautifulSoup

# 读取HTML文件内容
with open('var/www/html/audi/index.html', 'r') as f:
    feed = f.read()

soup = BeautifulSoup(feed, 'html.parser')
# 定位目标div元素
target_div = soup.find("div", {"itemprop":"text"})
# 提取所有纯文本，用换行分隔段落，去除多余空白
pure_text = target_div.get_text(separator='\n', strip=True)

# 将纯文本写入txt文件
with open("/var/www/html/audi/save.txt", "w") as file:
    file.write(pure_text)

方案二：遍历提取所有

标签的文本（更灵活）

如果只需提取div内<p>标签的内容，可逐个遍历并拼接：

from bs4 import BeautifulSoup

with open('var/www/html/audi/index.html', 'r') as f:
    feed = f.read()

soup = BeautifulSoup(feed, 'html.parser')
target_div = soup.find("div", {"itemprop":"text"})

# 收集所有p标签的文本内容
text_content = []
for p_tag in target_div.find_all("p"):
    line = p_tag.get_text(strip=True)
    if line:  # 跳过空内容的行
        text_content.append(line)

# 将列表内容转为字符串，用换行分隔
pure_text = '\n'.join(text_content)

# 保存到文件
with open("/var/www/html/audi/save.txt", "w") as file:
    file.write(pure_text)

内容的提问来源于stack exchange，提问作者CodeBYa