如何使用BeautifulSoup框架获取section标签的所有子元素内容？

针对你的需求，以下是几种用BeautifulSoup提取<section class="post-content">内部内容的实用方法：

方法1：获取直接子节点（含文本节点） #

find_all返回匹配元素的列表，先取出目标section元素，再用.contents获取它的所有直接子节点（包括换行、空格这类文本节点）：

from bs4 import BeautifulSoup

html = '''
<body>
  <section class="post-content">
    <h1>title</h1>
    <div>balabala</div>
  </section>
<body>
'''
soup = BeautifulSoup(html, 'html.parser')
# 取出第一个匹配的section元素
section = soup.find_all("section", {"class": "post-content"})[0]
# 获取内部直接子节点
inner_contents = section.contents
print(inner_contents)

输出会包含所有直接子节点，包括空白文本节点。

方法2：获取内部HTML字符串（保留标签结构） #

如果需要保留内部的HTML标签结构，用.decode_contents()方法，返回section内部的HTML代码：

inner_html = section.decode_contents()
print(inner_html)

输出结果：

<h1>title</h1>
    <div>balabala</div>

方法3：提取所有纯文本内容（自动去空白） #

如果只需要提取内部的纯文本，去掉多余换行和空格，用.stripped_strings迭代器拼接成字符串：

text = ' '.join(section.stripped_strings)
print(text)

输出：title balabala

方法4：仅获取子标签元素（排除文本节点） #

如果只想获取section下的标签元素，排除空白文本节点，有两种实现方式：

# 方式A：用find_all直接获取所有子标签
inner_tags = section.find_all(True)
print(inner_tags)  # 输出[<h1>title</h1>, <div>balabala</div>]

# 方式B：遍历children过滤非标签节点
inner_tags = [child for child in section.children if child.name is not None]
print(inner_tags)

内容的提问来源于stack exchange，提问作者蔡忠振