用 find() 查一个结果，find_all() 查全部；取文本优先用 get_text(strip=True, separator=' ')；取属性必用 get() 防 KeyError；解析器推荐 lxml 并显式指定。
BeautifulSoup 解析 HTML 时 find() 和 find_all() 用哪个？
看你要找几个结果。要一个就用 find()，它返回第一个匹配的 Tag 对象或 None；要全部就用 find_all()，它返回 ResultSet（本质是列表）。别硬套 find_all()[0] 替代 find()，前者多遍历一遍 DOM，性能差，而且空列表会报 IndexError。
常见错误现象：AttributeError: 'NoneType' object has no attribute 'text'，基本就是用了 find() 没查到东西，又直接链式调用 .text。
- 使用场景：页面结构稳定、确定只有一处目标（如标题）→ 用
find() - 使用场景：抓取商品列表、新闻条目等重复结构 → 必须用
find_all() - 参数差异：
find()支持recursive=False只查子节点；find_all()默认递归，加这个参数可限制层级
提取文本用 .text 还是 .get_text()？
.get_text() 更安全。它自动合并嵌套标签内的空白、过滤注释、处理换行，而 .text 是原始字符串拼接，常带多余空格、\n 或 \t，甚至混入 script / style 里的内容。
容易踩的坑：用 .text 提取带链接的段落，结果把 a 标签的 href 文本也吞进来了；或者遇到 或零宽空格，.text 照单全收，清洗起来反而更麻烦。
立即学习“Python免费学习笔记（深入）”；
图片提示词生成器？不止如此。 马甲系统 —— 把脑海中的画面，翻译成AI能理解的专业表达。 用得越多，它越懂你：首次需要多问几句确认方向，用久了几乎一说就懂。 用得越多，它越快：缓存机制让后续对话越来越省。 RAG进化：成功案例持续入库，越跑越聪明。 输入「新手指南」查看完整功能介绍
- 推荐写法：
elem.get_text(strip=True, separator=' ')，strip=True去首尾空白，separator=' '把内部换行/空格统一成单空格 - 性能影响：两者底层都是遍历子节点，但
get_text()多做一层格式化，对小文档无感，超大 HTML（>10MB）建议先decompose()掉无关标签再取
怎么安全地取属性值，比如 href 或 data-id？
永远别直接写 tag['href']。属性不存在时会抛 KeyError，爬虫直接崩。必须用 tag.get('href') —— 它在属性缺失时返回 None，不报错。
使用场景：有些链接是相对路径，需要拼接 base URL；有些 data- 属性是 JS 渲染用的，但 BeautifulSoup 能直接读到（只要源码里有）。
-
tag.get('href', '')可设默认值，避免后续None参与字符串拼接出错 -
data-id这类自定义属性，用tag.get('data-id')即可，无需特殊处理 - 注意兼容性：某些老站点用
onclick="go('123')"存 ID，这时得用正则从字符串里扒，get()拿不到
为什么明明标签存在，find() 却返回 None？
八成是解析器选错了。默认的 html.parser 对不规范 HTML（比如自闭合标签没斜杠、属性没引号）容忍度低，容易丢节点。换成 lxml 或 html5lib 就好了，它们按浏览器逻辑纠错。
检查方式：打印 soup.prettify()[:500]，看目标标签是否真的在解析后的树里。如果不在，不是你 selector 写错，是解析阶段就漏了。
- 安装
lxml后，显式指定：BeautifulSoup(html, 'lxml') -
html5lib更接近浏览器，但慢、依赖多，调试期用它定位问题，上线建议切回lxml - 别信网页右键“查看网页源代码”——如果是 JS 渲染的，得抓 Network 里的原始 HTML 响应，否则 BeautifulSoup 解析的是空壳
.get() 防空和解析器 fallback。这两处不补，小网站能跑通，一换环境就静默失败。 
