美丽的汤没有找到字符串

Question

当解析http://en.wikipedia.org/wiki/Israel我遇到一个H2标签，该标签具有文本，但美丽的汤返回None类型吧：

$ 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'   
-- 

请注意，这不是一个解析的问题，美丽的汤解析文件很好。为什么第二个H2元素返回None类型？是否由于字符串中的前导“”（空格）？我该如何解决这个问题？这是在Python 2.7上的Beautiful Soup 4，Kubuntu Linux 12.10。

Answer 1

我回答第一个上半年，什么是错的......

从documentation of bs4引述：“如果一个标签包含一个以上的事情，那么，目前还不清楚应该是指什么.string，所以.string被定义为None“。

而现在的另一半，如何解决它。

从同一来源再次引用：“如果标签内有多个东西，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，连接结果，我想你会得到你想要的。

Answer 2

我认为这是因为第二h2没有文本，而不是它有一个span作为一个孩子（和跨度有另一个孩子作为其子，这使得该h2的孙子。

对于这种基于发电机解析使用属性，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']