BeautifulSoup获取文本并保留链接HTML：修复_all_strings重写报错

你遇到的TypeError: argument of type 'object' is not iterable，核心原因是重写_all_strings方法时，没有返回可迭代的生成器对象——比如错误用return代替yield，或者处理标签时返回了单个非迭代值。

要实现提取文本时自动包含链接URL，正确的重写方式是让_all_strings以生成器形式逐个产出内容，下面是可行的代码示例：

from bs4 import BeautifulSoup

class MyBeautifulSoup(BeautifulSoup):
    def _all_strings(self, strip=False, types=(str,)):
        # 遍历所有子节点
        for child in self.descendants:
            # 处理<a>标签：先输出文本，再输出带括号的URL
            if child.name == 'a' and child.has_attr('href'):
                text = child.string
                if text:
                    yield text.strip() if strip else text
                    yield f" ({child['href']})"
            # 处理普通文本节点，跳过非文本标签
            elif child.string is not None and isinstance(child.string, types):
                string = child.string
                if strip:
                    string = string.strip()
                    if not string:
                        continue
                yield string

# 测试代码
html = """
<p>这是一段包含<a href="https://example.com">外部链接</a>的文本，还有<a href="/about">内部链接</a>。</p>
"""
soup = MyBeautifulSoup(html, 'html.parser')
print(soup.get_text())

关键说明： #

• 必须用yield逐个产出内容，保证方法返回的是生成器（可迭代对象），这是解决TypeError的核心。
• 处理<a>标签时先判断child.string是否存在，避免产出None引发迭代异常。
• 调用get_text()时，会自动遍历_all_strings生成的内容并拼接，无需额外修改调用逻辑。

常见错误排查： #

• 如果之前代码用return替代yield，会直接返回单个对象而非迭代器，触发类型错误。
• 若未过滤空文本节点，可能产出无效内容，干扰迭代流程。

内容的提问来源于stack exchange，提问作者VV75