如何让findAll('dt')不返回换行符？解决S&P500代码换行问题

一、处理<td>标签文本中的换行符 #

1. 最简便的方式：用get_text()自带参数
   BeautifulSoup的get_text()方法支持strip=True参数，会自动去除文本前后的空白字符（包括\n、空格、制表符等），还能合并内部冗余空白，完全不用额外循环或正则：

   # 替代 row.findAll('td')[0].text
   ticker = row.find('td').get_text(strip=True)
   

   批量处理所有<td>的文本：

   td_texts = [td.get_text(strip=True) for td in row.findAll('td')]
   

2. 结合正则在查找阶段处理文本
   如果你一定要在findAll过程中结合正则处理，可以用列表推导式配合正则替换直接清理文本：

   import re
   # 去除文本中的所有换行符
   processed_tds = [re.sub(r'\n', '', td.text) for td in row.findAll('td')]
   # 若要同时去掉所有空白字符（换行、空格、制表符等）
   processed_tds = [re.sub(r'\s+', '', td.text) for td in row.findAll('td')]
   

   要是你需要筛选文本不含换行的<td>标签，才用findAll的正则过滤参数：

   import re
   filtered_tds = row.findAll('td', text=re.compile(r'[^\n]+'))
   

二、处理<dt>标签文本中的换行符 #

逻辑和<td>完全一致，优先用get_text()的参数简化操作：

1. 简便处理

   dt_text = row.find('dt').get_text(strip=True)
   # 批量处理所有<dt>标签
   dt_texts = [dt.get_text(strip=True) for dt in row.findAll('dt')]
   

2. 正则处理方式

   import re
   processed_dts = [re.sub(r'\n', '', dt.text) for dt in row.findAll('dt')]
   

内容的提问来源于stack exchange，提问作者Llorenç Mairal Miquel