如何使用BeautifulSoup提取文本及其对应的HTML标签？

问题原因 #

直接遍历soup或使用soup.find_all()时，结果会包含NavigableString类型的纯文本节点，这类节点没有tag属性，导致调用报错。只有Tag类型的节点才具备标签相关属性。

解决方案 #

方法1：过滤Tag类型节点后处理 #

遍历过程中先判断节点是否为Tag对象，再提取标签名和文本：

from bs4 import BeautifulSoup, Tag

text = "<p>Some text</p> <h1>Some text</h1> <div>Another content</div>"
soup = BeautifulSoup(text, "html.parser")

for element in soup:
    if isinstance(element, Tag):
        print(f"标签: {element.name}")
        print(f"文本: {element.get_text(strip=True)}")
        print("---")

方法2：用find_all精准过滤 #

可以通过find_all()的参数直接筛选出Tag节点，或指定具体标签类型：

# 提取所有Tag节点
for tag in soup.find_all(lambda x: isinstance(x, Tag)):
    print(f"标签: {tag.name}, 文本: {tag.get_text(strip=True)}")

# 仅提取指定标签（比如p和h1）
for tag in soup.find_all(['p', 'h1']):
    print(f"标签: {tag.name}, 文本: {tag.get_text(strip=True)}")

额外提示 #

• element.get_text(strip=True)会自动去除文本两端的空白字符，比element.text输出更整洁；如果需要保留原始空格/换行，去掉strip=True即可。

内容的提问来源于stack exchange，提问作者Alex Nikitin