get_text() 无法提取独立文本节点，因它递归拼接所有后代文本而无结构区分；需用 .stripped_strings 分离或 next_sibling+类型判断精确定位。
直接用 get_text() 通常拿不到纯文本节点内容，尤其当文本混在标签中间（比如 <strong>Time:</strong> "13:45"）时，必须区分“标签内所有文本”和“紧邻标签的独立文本节点”。
为什么 get_text() 有时会漏掉关键文本
因为 get_text() 默认递归提取所有后代节点的文本，但它不区分文本节点的位置——它把 <strong></strong> 里的 “Time:” 和后面裸露的 "13:45" 拼成一整段，中间没有结构标识。如果你只想要那个孤立的 "13:45"，而它又不是任何子标签的内容，get_text() 就无能为力。
常见错误现象：
- 调用
soup.p.get_text()得到"Time: 13:45"，但你需要单独提取"13:45" - 用
.string返回None，因为p标签下不止一个文本节点（有<strong></strong>+ 文本节点） - 用 XPath
//p/text()在 BeautifulSoup 中根本无效（BS 不支持 XPath 的text()轴）
用 .strings 或 .stripped_strings 分离混合文本节点
当父标签里既有子标签又有独立文本节点时，.strings 是唯一能逐个访问它们的方式。它返回生成器，每个元素是一个原始字符串节点（含空白），而 .stripped_strings 会自动去掉每段首尾空白。
使用场景：提取像 <p><em>Note:</em> Data updated daily.</p> 中的 “Data updated daily.”
实操建议：
- 用
list(tag.stripped_strings)快速转成清洗后的字符串列表 - 如果目标文本是最后一个非空文本节点，取
list(tag.stripped_strings)[-1] - 避免直接用
for s in tag.strings:然后print(s)—— 可能输出空行或缩进符，优先用stripped_strings
示例：
from bs4 import BeautifulSoup html = '<p class="inner-info-blk"><strong>Time: </strong>"13:45"</p>' soup = BeautifulSoup(html, 'lxml') p = soup.p texts = list(p.stripped_strings) # ['Time:', '"13:45"'] print(texts[-1]) # 输出: "13:45"
用 next_sibling 定位紧邻子标签之后的文本节点
当目标文本明确位于某个子标签（如 <strong></strong>）之后、且是其下一个兄弟节点时，next_sibling 比遍历所有字符串更精准。它直接跳到 DOM 树中该子节点的下一个兄弟——可能是文本节点，也可能是标签节点，需做类型判断。
容易踩的坑：
-
strong.next_sibling可能是换行符或空格（\n或' '），不是你要的文本 - 必须用
isinstance(..., str)或type(...) == str过滤，不能只靠if strong.next_sibling: - 若中间插入了注释节点（
<!-- ... -->），next_sibling会指向注释而非文本
示例：
p = soup.p
strong = p.find('strong')
if strong and isinstance(strong.next_sibling, str):
text = strong.next_sibling.strip()
if text:
print(text) # "13:45"
别依赖 .text 做精细提取
.text 和 get_text() 行为几乎一致（.text 是 get_text() 的快捷属性），都不暴露文本节点层级。它们适合“取整块可读内容”，不适合“定位某一段裸文本”。一旦 HTML 结构稍复杂（比如多层嵌套、前后有空格/换行、含注释），.text 就变成黑盒拼接器——你无法控制哪段来自哪个节点。
真正需要精确控制时，记住：
- 想拿全部文本 → 用
get_text(separator=' ', strip=True) - 想拆开每段 → 用
.stripped_strings - 想定位某两个标签之间的文本 → 用
next_sibling+ 类型检查 - 想用 XPath 提取
//text()→ 别用 BeautifulSoup，换lxml.etree或 Selenium 执行 JS
最易被忽略的一点：BeautifulSoup 默认解析器（html.parser）对不规范 HTML 的容错处理，可能自动把裸文本“吸附”进相邻标签，导致 next_sibling 失效——这种情况下，显式指定 lxml 解析器往往更可靠。
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！
