如何用BeautifulSoup4提取并格式化多行HTML中的地址文本？

嘿，我懂你这种困扰——跨多行的HTML地址文本提取后总是乱糟糟的，明明能拿到内容但就是不够规整。我之前处理类似需求时踩过不少坑，分享几个实用的方法给你：

其实get_text()方法本身就有处理空白的参数，完全不用手动去替换\n和\r，试试这个：

# 先定位到包含地址的元素（替换成你实际的选择器）
address_elem = soup.find('div', id='target-address')
# 一键生成规整单行地址
clean_address = address_elem.get_text(strip=True, separator=' ')

这里strip=True会自动去掉文本首尾的所有空白，separator=' '会把所有换行、制表符、连续空格这类冗余空白统一替换成单个空格，直接得到干净的单行地址。

如果上面的方法还没完全解决（比如有些极端情况下仍有多余空格），用正则来收尾绝对靠谱：

import re

raw_address = address_elem.get_text().strip()
# 把所有连续的空白字符（换行、空格、制表符全算）替换成单个空格
clean_address = re.sub(r'\s+', ' ', raw_address)

\s+能匹配任意连续的空白，替换后就能保证地址里只有单个空格分隔各个部分。

如果你的地址HTML里夹杂了很多空行或者只有空格的无效行，可以先拆分每行，过滤掉没用的内容再拼接：

# 按行拆分文本
address_lines = address_elem.get_text().splitlines()
# 过滤掉空行和纯空格的行，同时去掉每行首尾的空白
valid_lines = [line.strip() for line in address_lines if line.strip()]
# 用空格把有效行拼接成单行
clean_address = ' '.join(valid_lines)

这种方式能精准筛选出地址的有效内容，避免把无关的空白行也带进来。

另外补充个小提示：如果地址是分散在多个子标签里（比如多个<span>或者<p>），别只用find，改用find_all把所有地址片段都捞出来再拼接：

address_parts = soup.find_all('span', class_='address-section')
clean_address = ' '.join([part.get_text(strip=True) for part in address_parts])

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