BeautifulSoup误将SMILES数据中@识别为邮箱，如何获取原始字符串？

默认版本的BeautifulSoup本身没有内置邮箱地址识别、混淆替换的逻辑，出现该问题通常是两种场景：站点本身对页面中的邮箱做了服务端混淆替换，或是你使用了带邮箱保护处理的第三方扩展、自定义解析规则。
对应解决方法如下：

• 第一步：先验证原始请求的HTML内容是否正常
  直接打印网络请求返回的原始HTML文本，检查对应<pre><code>标签内的SMILES中的@符号是否已经被修改。如果原始内容就已经异常，说明是站点的反爬策略导致，和BeautifulSoup无关，可直接抓取站点公开的SMILES数据接口获取原始内容即可。
• 第二步：调整BeautifulSoup解析配置
  如果原始HTML中的@符号正常，解析后出现异常，可调整解析规则：
  1. 优先使用Python内置的html.parser作为解析器，不要使用带自定义扩展的第三方解析器，示例代码：

  from bs4 import BeautifulSoup
  
  # raw_html为请求拿到的原始HTML字符串
  soup = BeautifulSoup(raw_html, "html.parser")
  smiles_content = soup.select_one("pre code").text
  

  2. 临时占位符替换方案
     如果确实要使用带邮箱处理的解析逻辑，可在解析前对SMILES中的@做临时替换，解析完成后再还原，示例代码：

  import re
  from bs4 import BeautifulSoup
  
  # 预处理：把SMILES中C后面的@替换为临时占位符
  processed_html = re.sub(r"\[C(@+)H\]", lambda match: f"[C{'__TEMP_AT__' * len(match.group(1))}H]", raw_html)
  soup = BeautifulSoup(processed_html, "html.parser")
  raw_smiles = soup.select_one("pre code").text
  # 还原@符号
  final_smiles = raw_smiles.replace("__TEMP_AT__", "@")
  

内容的提问来源于stack exchange，提问作者manchot3