如何用BeautifulSoup提取含<br>标签的<p>元素全部文本？

你遇到的这个问题在BeautifulSoup使用中挺常见的——当<p>标签里嵌套了<br>这类子标签时，直接用.string提取文本会"卡"在第一个<br>前，本质原因是.string只能返回标签下单个连续文本节点的内容，一旦标签里有其他子元素（比如<br>），它要么返回None，要么只能抓取到第一个文本片段。

先还原你的场景（结合描述推测） #

你的原始代码 #

from bs4 import BeautifulSoup

html = """
<p>这是第一行文本<br>这是被<br>截断的后续文本</p>
"""
soup = BeautifulSoup(html, 'html.parser')
p_tag = soup.find('p')
current_output = p_tag.string
print(current_output)

存在问题的HTML #

<p>这是第一行文本<br>这是被<br>截断的后续文本</p>

当前代码输出 #

这是第一行文本

（部分版本的BeautifulSoup可能直接返回None）

期望输出 #

这是第一行文本这是被截断的后续文本

（或者保留换行格式：这是第一行文本\n这是被\n截断的后续文本）

解决方案：改用.get_text()方法 #

BeautifulSoup专门提供了.get_text()方法，它会递归提取目标标签下所有子节点的文本内容，完全不受<br>或其他子标签的影响。你还能根据需求指定分隔符，灵活处理<br>带来的换行效果：

修改后的代码 #

from bs4 import BeautifulSoup

html = """
<p>这是第一行文本<br>这是被<br>截断的后续文本</p>
"""
soup = BeautifulSoup(html, 'html.parser')
p_tag = soup.find('p')

# 方案1：直接拼接所有文本（无分隔符）
desired_output_1 = p_tag.get_text()
print(desired_output_1)
# 输出：这是第一行文本这是被截断的后续文本

# 方案2：用换行符替换<br>位置，保留原排版逻辑
desired_output_2 = p_tag.get_text(separator='\n')
print(desired_output_2)
# 输出：
# 这是第一行文本
# 这是被
# 截断的后续文本

# 方案3：用空格分隔，避免文本生硬拼接
desired_output_3 = p_tag.get_text(separator=' ')
print(desired_output_3)
# 输出：这是第一行文本 这是被 截断的后续文本

原理说明 #

.get_text()会遍历目标标签下的所有子节点（包括文本节点、<br>标签等），自动跳过标签元素，只提取其中的文本内容，再按照你指定的分隔符拼接（默认无分隔符）。而.string仅适用于标签下只有纯文本、没有任何子元素的简单场景，遇到嵌套结构就会失效。

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