find_all() 限定标签层级比 css 选择器更可靠，关键在 recursive=false 强制单层查找；get_text() 需 strip 与 separator 配对使用；用 parents/children 反推层级更抗变；提取直系纯文本优先用 .string 并判空。
用 find_all() 限定标签层级比用 CSS 选择器更可靠
很多人一上来就写 soup.select('div > p > span')，结果页面稍改结构就全崩。真正稳的思路是：先定位锚点容器，再在其内部做有限深度遍历。比如要提取「第三级 li 下的纯文本」，别硬套三层嵌套选择器，而是：
- 用
find()找到目标父级（如某个带class="content"的div） - 在其子树中调用
find_all('li', recursive=False)获取直接子li - 对每个子
li再调一次find_all('span', recursive=False)拿直系span
关键在 recursive=False —— 它强制只查一层，避免跨层级误匹配。CSS 选择器里的 > 看似等价，但 BeautifulSoup 的 select() 在某些解析器（如 html.parser）下对空格/换行敏感，容易漏节点。
get_text() 的 strip 和 separator 必须配对使用
想提取某层元素内的干净文本，光调 .get_text() 不够。默认行为会把所有嵌套文本无分隔拼接，或保留原始 HTML 中的换行符，导致输出像这样："Name:JohnDoeAge:32" 或 "Name:\nJohn\nDoe\nAge:\n32"。
- 加
strip=True去首尾空白，但中间空行和多余空格还在 - 必须同步指定
separator，比如get_text(separator='\n', strip=True)才能让每个子标签内容独占一行 - 若目标是表格型结构（如多列
td），用separator='\t'更利于后续csv解析
漏掉 strip，separator 就白设；反过来，没 separator，strip 也救不回语义断裂。
用 parents 和 children 判断当前节点所处层级
有时候你根本不确定目标文本在哪一级——它可能在 div > section > article > p，也可能跳过 section 直接在 div > article > p。这时别猜路径，用节点关系反推：
-
elem.parent.name看上一级标签名 -
len(list(elem.parents))算从该节点到html根的层数（注意：elem自身算第 0 层） - 配合
elem.find_parent(class_='main-content')向上找最近的语义容器，比硬数层级更抗变
特别注意：elem.children 是生成器，不是列表；要用 list(elem.children) 才能取长度或索引，否则会“消费”一次就空了。
遇到 None 或空字符串时，优先检查 .string 而非 .text
新手常写 elem.text 提取单个标签文本，但一旦标签里有子标签（比如 <p>Hello <em>world</em></p>），.text 仍返回完整串，而 .string 直接是 None —— 因为它只在标签**唯一子节点是纯文本**时才有效。
- 要严格提取「无任何嵌套的直系文本」，用
.string并判空：if elem.string and elem.string.strip() - 要兼容含子标签的情况，必须用
.get_text()，且明确传参 -
.text是.get_text()的简写，默认参数不可控，生产代码里应避免直接用
层级越深，HTML 越容易混入意外标签；依赖 .string 的地方，往往就是结构最脆弱的断点。
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！
