如何从BeautifulSoup结果中移除<a>标签并提取纯文本内容

问题分析 #

你当前的代码把整个<a>标签对象直接转换成字符串，所以输出的是完整的HTML标签内容，而非标签内部的纯文本。问题就出在这一行：

names.append(str(x))

修改后的代码 #

只需要把str(x)替换成BeautifulSoup提供的get_text()方法，就能轻松获取标签内的纯文本；如果想清理文本前后的空格、换行，还可以加上strip=True参数：

import requests
from bs4 import BeautifulSoup
page = requests.get("http://www.acbbroker.it/soci_dettaglio.php?r=3")
soup = BeautifulSoup(page.content, 'html.parser')
test = soup.find(id="paginainterna-content")
test_items = test.find_all(class_="entry-content")
tonight = test_items[0]
names = []
for x in tonight.find_all('a', itemprop="url"):
    # 提取纯文本并清理多余空白符
    names.append(x.get_text(strip=True))
print(names)

为什么这样有效？ #

• get_text()是BeautifulSoup专门用于提取标签内部文本的方法，会自动忽略所有标签属性（比如href、itemprop），只保留文字内容。
• strip=True参数会移除文本前后的换行、空格、制表符等空白字符，让输出的列表更整洁。

修改后的示例输出 #

执行修改后的代码，你会得到纯文本组成的列表：

['A&B; Insurance e Reinsurance Brokers Srl', 'A.B.A. BROKERS SRL', 'ABC SRL BROKER E CONSULENTI DI ASSI.NE', 'AEGIS INTERMEDIA SAS']

内容的提问来源于stack exchange，提问作者J. Malik