嘿，作为编程新手能想到用BeautifulSoup处理文本真的很棒！我来一步步帮你搞定移除空行、回车符（\r）和多余空白字符的问题～

核心思路 #

我们需要先从HTML中提取文本，再对文本做针对性清理：

• 先移除所有回车符\r
• 再清理空行（包括只含空格/制表符的无效行）和每行首尾的多余空白

完整代码示例 #

from bs4 import BeautifulSoup
import re

# 替换成你自己的HTML内容
html_content = """
<div class="target-content">
    这是一段测试文本！
    
    这里夹杂着空行
    和多余的空格   还有\r回车符。
    
    这是最后一行内容。
</div>
"""

# 1. 解析HTML并提取原始文本
soup = BeautifulSoup(html_content, "html.parser")
raw_text = soup.get_text()

# 2. 逐步清理文本
# 第一步：移除所有\r回车符
cleaned_text = raw_text.replace("\r", "")

# 第二步：移除空行（包括只含空白字符的行）
cleaned_text = re.sub(r"\n\s*\n", "\n", cleaned_text)

# 第三步：移除每行首尾的空白字符
cleaned_text = re.sub(r"^\s+|\s+$", "", cleaned_text, flags=re.MULTILINE)

# 可选：如果需要把文本中所有连续空格合并成单个空格，添加这一行
# cleaned_text = re.sub(r"\s+", " ", cleaned_text)

# 打印最终结果
print(cleaned_text)

代码细节解释 #

• soup.get_text()：从HTML中提取所有可见文本，但会保留原始的换行、空格和回车符
• raw_text.replace("\r", "")：直接替换掉所有回车符\r，避免它干扰后续的换行处理
• re.sub(r"\n\s*\n", "\n", cleaned_text)：用正则匹配两个换行之间的任意空白字符（空格、制表符等），替换成单个换行，彻底移除空行
• re.sub(r"^\s+|\s+$", "", cleaned_text, flags=re.MULTILINE)：re.MULTILINE让正则匹配每一行的开头和结尾，精准移除每行前后的多余空白
• 可选的合并空格步骤：如果你的需求是把文本变成更紧凑的格式（比如把段落整合成一行或规范的单空格分隔），就加上那行代码

示例效果对比 #

原始提取的文本（大致）： #

这是一段测试文本！
    
    这里夹杂着空行
    和多余的空格   还有回车符。
    
    这是最后一行内容。

清理后的输出： #

这是一段测试文本！
这里夹杂着空行
和多余的空格   还有回车符。
这是最后一行内容。

如果开启了合并空格的可选步骤，输出会变成：

这是一段测试文本！ 这里夹杂着空行 和多余的空格 还有回车符。 这是最后一行内容。

内容的提问来源于stack exchange，提问作者Daveabuk