.string在嵌套结构中常返回none，因它仅当标签下有且仅有一个直接文本子节点时才有效；get_text()则递归遍历所有文本节点并拼接，支持strip、separator等参数控制格式。
嵌套HTML标签里的文本，不能靠 .string 硬取，得用 get_text() 递归遍历，否则多数情况返回 None。
为什么 .string 在嵌套结构里经常失效
.string 只认“当前标签下是否只有一个直接文本子节点”。只要里面夹了任意一个子标签（比如 <span></span>、<em></em> 或哪怕一个空格换行），它就直接返回 None。
常见错误现象：
- 明明看到 HTML 里有文字，
elem.string却是None - 用
find('p').string提取段落，结果为空，但肉眼可见内容存在
根本原因：DOM 树中，<p>Hello <em>world</em>.</p> 的 p 节点下实际有 3 个子节点：文本节点 "Hello "、em 元素、文本节点 ". " —— 不满足“唯一文本子节点”条件。
get_text() 是怎么递归提取的
get_text() 会自动深度优先遍历整个子树，收集所有文本节点（Node.TEXT_NODE），再按需拼接。它不关心中间嵌了多少层标签，只管把“人能读的字”全捞出来。
关键参数影响行为：
-
strip=True：对每段提取出的文本首尾调用.strip()，避免空行或缩进污染 -
separator=' '：不同文本节点之间插入空格，防止"Hello"<span>"world"</span>变成"Helloworld" -
types=(bs4.element.NavigableString,)：可排除注释、CDATA 等非可视文本（极少用，但大文档清洗时有用）
示例：
from bs4 import BeautifulSoup html = "<div> <p>标题</p><div class="aritcle_card flexRow artxards"> <div class="artcardd flexRow"> <a class="aritcle_card_img" rel="nofollow" href="/xiazai/skill8272" title="anything-to-html"><img src="https://img.php.cn/upload/skill/000/000/081/179195588450431.jpg" alt="anything-to-html" onerror="this.onerror='';this.src='/static/lhimages/moren/morentu.png'" ></a> <div class="aritcle_card_info flexColumn"> <a rel="nofollow" href="/xiazai/skill8272" title="anything-to-html" class="overflowclass">anything-to-html</a> <p class="overflowclass">将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。</p> </div> <a rel="nofollow" href="/xiazai/skill8272" title="anything-to-html" class="aritcle_card_btn flexRow flexcenter"><b></b><span>下载</span> </a> </div> </div> <ul> <li>项1</li> <li>项2</li> </ul> </div>" soup = BeautifulSoup(html, 'html.parser') print(soup.div.get_text(separator='\n', strip=True)) # 输出： # 标题 # 项1 # 项2
遇到混合文本+标签+空白时，stripped_strings 更可控
当你要逐段处理、不想一次性拼成大字符串（比如过滤广告词、跳过某些段落），.stripped_strings 返回生成器，每调用一次 yield 一个清理后的文本片段。
它比 get_text() 更轻量，适合流式处理或内存敏感场景：
- 不会把整棵树文本加载进内存，适合解析几 MB 的新闻正文
- 天然跳过纯空白文本节点（如换行、制表符、多个连续空格）
- 配合
list()或next()按需取值，调试时也更容易定位哪一段出了问题
示例：
for text in soup.div.stripped_strings:
if "项" in text:
print(f"命中：{text}")
# 输出：命中：项1；命中：项2
深层嵌套 + 动态结构时，别忘了先定位再提取
真正难的不是提取，而是“从哪开始提”。嵌套越深，越容易误提无关内容。这时候必须结合 CSS 选择器或 find() 链式定位，而不是对 soup 整体调用 get_text()。
典型陷阱：
- 直接
soup.get_text()→ 把<script></script>、<style></style>、页脚版权栏全塞进结果 - 用
soup.find('article')但页面没article标签，返回None，后续调用.get_text()报AttributeError - 多级 class 嵌套如
div.main div.content p，写错一级就漏数据
建议动作：
- 先用
soup.select_one('main .content')或soup.find(class_='content')确保目标容器存在 - 加
if container:判断，避免None引发异常 - 对复杂结构，用
recursive=False配合find_all()限制层级，再逐层.get_text()
最后提醒一句：嵌套本身不可怕，可怕的是没意识到 .string 和 get_text() 的行为边界——前者是“快但脆弱”，后者是“稳但要懂参数”。真遇到解析结果和预期差一两个字，八成是 separator 没设好，或者忘了 strip=True。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
