如何提取嵌套多<strong>标签的<h2>标签文本？调用.string返回None

问题原因 #

你的<h2>标签包含多个嵌套子节点（多层<strong>标签和分散的文本节点），而BeautifulSoup的string属性仅在标签内部只有单个文本节点时才会返回有效内容，否则返回None。

解决方案 #

你可以用以下两种方法提取目标文本：

方法1：使用get_text()（推荐）

get_text()会自动拼接标签下所有子节点的文本内容，还能通过参数处理空格：

firstHeader = mclarenHTML.find_all(re.compile('^h[2]'))[0]
# 提取文本、去除首尾空格、替换非断空格（对应原HTML的 ）
target_text = firstHeader.get_text(strip=True).replace('\xa0', '')
print(target_text)

执行后会输出：1950-1953:Formula 1 begins: the super-charger years

方法2：使用stripped_strings迭代器

如果需要更精细地处理每个文本片段，可以遍历stripped_strings（自动去除每个文本片段的首尾空格）：

firstHeader = mclarenHTML.find_all(re.compile('^h[2]'))[0]
text_fragments = [frag.replace('\xa0', '') for frag in firstHeader.stripped_strings]
target_text = ''.join(text_fragments)
print(target_text)

补充说明 #

原HTML中的 在Python中对应转义字符\xa0，所以需要用replace('\xa0', '')去除这个多余的空格，才能得到你想要的连续文本格式。

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