美麗的湯沒有找到字符串

Question

當解析http://en.wikipedia.org/wiki/Israel我遇到一個H2標籤，該標籤具有文本，但美麗的湯返回None類型吧：

$ python 
Python 2.7.3 (default, Apr 10 2013, 05:13:16) 
[GCC 4.7.2] on linux2 
Type "help", "copyright", "credits" or "license" for more information. 
>>> import bs4 
>>> import requests 
>>> from pprint import pprint 
>>> response = requests.get('http://en.wikipedia.org/wiki/Israel') 
>>> soup = bs4.BeautifulSoup(response.content) 
>>> for h in soup.find_all('h2'): 
...  pprint(str(type(h))) 
...  pprint(h) 
...  pprint(str(type(h.string))) 
...  pprint(h.string) 
...  print('--') 
...      
"<class 'bs4.element.Tag'>" 
<h2>Contents</h2>  
"<class 'bs4.element.NavigableString'>" 
u'Contents'   
--     
"<class 'bs4.element.Tag'>" 
<h2><span class="mw-headline" id="Etymology"><span id="Etymology"></span> Etymology</span></h2> 
"<type 'NoneType'>" 
None     
--     
"<class 'bs4.element.Tag'>" 
<h2><span class="mw-headline" id="History">History</span></h2> 
"<class 'bs4.element.NavigableString'>" 
u'History'   
-- 

請注意，這不是一個解析的問題，美麗的湯解析文件很好。爲什麼第二個H2元素返回None類型？是否由於字符串中的前導「」（空格）？我該如何解決這個問題？這是在Python 2.7上的Beautiful Soup 4，Kubuntu Linux 12.10。

Answer 1

我回答第一個上半年，什麼是錯的......

從documentation of bs4引述：「如果一個標籤包含一個以上的事情，那麼，目前還不清楚應該是指什麼.string，所以.string被定義爲None「。

而現在的另一半，如何解決它。

從同一來源再次引用：「如果標籤內有多個東西，您仍然可以只看字符串，使用.strings生成器。」更好的是，使用.stripped_strings生成器，連接結果，我想你會得到你想要的。

Answer 2

我認爲這是因爲第二h2沒有文本，而不是它有一個span作爲一個孩子（和跨度有另一個孩子作爲其子，這使得該h2的孫子。

對於這種基於發電機解析使用屬性，如.stripped_strings和.strings。

>>> s.find_all('h2') 
[<h2>Contents</h2>, <h2><span class="mw-headline" id="Etymology"><span id="Etymology"></span> Etymology</span></h2>] 
>>> list(s.find_all('h2')[-1].stripped_strings) 
[u'Etymology']