HTML 中的 class 属性值本身不允许包含语义空格；空格仅用作多个类名的分隔符。BeautifulSoup 会自动规范化（trim）冗余空格，因此无法直接获取原始带尾随空格的 class 字符串。
html 中的 class 属性值本身不允许包含语义空格；空格仅用作多个类名的分隔符。beautifulsoup 会自动规范化（trim）冗余空格，因此无法直接获取原始带尾随空格的 class 字符串。
在 HTML 规范中，class 是一个以空格分隔的类名列表（space-separated tokens），而非任意字符串。例如：
<p class="price ">3.75</p>
这里的 "price " 实际上被解析为单个类名 "price"，末尾空格属于语法冗余，不构成类名的一部分。所有符合标准的 HTML 解析器（包括浏览器 DOM、lxml、html.parser 和 BeautifulSoup）都会按规范进行归一化处理——即自动去除首尾空格、合并连续空格，并忽略孤立空格。因此：
-
element.get('class')返回['price']（列表形式）或'price'（字符串形式，取决于get()行为）； -
str(element)输出3.75
✅ 这是正确且预期的行为，不是 bug。
⚠️ 若你确实需要原始 HTML 中未处理的 class="price " 字符串（例如用于代码审计、格式校验或遗留系统兼容性分析），则不能依赖标准 HTML 解析器，而需采用非解析型文本提取策略：
✅ 推荐方案：使用正则 + 面向属性的精确匹配（轻量、高效、适用于大文件）
import re
html = '''
<div>
<p class="price ">
3.75
</p>
<p>21</p>
</div>
'''
# 精确匹配 class 属性的原始值（含空格），支持双引号/单引号/无引号（HTML5）
pattern = r'<p>]*class\s*=\s*(["\'])(.*?)\1'
match = re.search(pattern, html, re.DOTALL | re.IGNORECASE)
if match:
raw_class_value = match.group(2) # → "price "
print(repr(raw_class_value)) # 'price '</p>
? 说明：该正则仅定位
标签的class属性原始内容，避免全文扫描，时间复杂度接近 O(n)，对 11KB+ 的 HTML 文件依然高效。
⚠️ 注意事项：
- 不要使用
re.findall(r'class="(.*?)"', html)等宽泛匹配，易受嵌套引号、注释、JS 字符串干扰； - 避免基于
str(soup)反向提取——BeautifulSoup 序列化时已重写属性，空格必然丢失； -
lxml的element.attrib或soup.find('p').attrs['class']同样返回规范化结果，不可逆； - 若需批量处理多种标签或动态属性名，可封装为函数，结合
re.compile()提升性能。
✅ 总结：
HTML 属性值的空格规范化是标准行为，BeautifulSoup 严格遵循规范。追求“原始空格”本质是偏离语义解析、转向源码层面的文本分析。此时应放弃 BeautifulSoup 的 DOM 接口，改用精准正则或专用 HTML 词法分析器（如 html5lib 的 treebuilder 低层 API），但对绝大多数实际场景（如数据抽取、内容清洗），直接使用 .get('class') 获取标准化类名列表，才是健壮、可维护的正确做法。
