用select()定位类名最稳妥，如soup.select(".content")返回Tag对象列表，调用get_text(strip=True)提取纯文本；点号不可省略，多类用空格（与关系）、逗号（或关系）；find_all(class_=...)存在模糊匹配问题，无法精确表达多类共存；get_text(separator, strip)可控制分隔与去空；取直接子文本需遍历children过滤非Tag节点。
用 BeautifulSoup 的 select() 定位类名再提取文本
直接用 CSS 选择器最稳妥，比如要提取所有 class="content" 元素的纯文本，就写 soup.select(".content")，它返回的是 ResultSet（类似列表），每个元素都是 Tag 对象，再调用 .get_text() 即可：
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, "html.parser")
for elem in soup.select(".content"):
print(elem.get_text(strip=True))
注意：点号 . 是必须的，select("content") 会去匹配标签名 <content>，不是类名；多个类可用空格分隔，如 ".article body-text" 表示同时含两个类；用逗号分隔是“或”关系，如 ".title, .subtitle"。
为什么不用 find_all(class_="...")？
find_all(class_="content") 看似直观，但容易踩坑：
- 它匹配的是“包含该类名”的元素，不是“精确等于”，所以
class="content extra"也会被选中 - 若目标元素有多个类且顺序不固定（如
class="extra content"），它仍能命中，但你可能误以为只抓了单一类名的元素 - 无法表达“同时具备多个类”的逻辑，比如找
class="card active"，find_all(class_="card active")实际会按字符串模糊匹配，不可靠
相比之下，select(".card.active") 明确要求两个类都存在，语义清晰、行为确定。
立即学习“前端免费学习笔记（深入）”；
将调研报告、方案对比、数据分析、需求梳理、会议纪要、设计说明、代码评审、学习笔记等任务产物输出为可在浏览器直接打开的单文件 HTML，替代 Markdown 作为最终交付物。Markdown 在信息密度、视觉清晰度和可分享性上已跟不上 AI 产物的丰富度，HTML 能同时承载排版、表格、SVG 等。
get_text() 的 separator 和 strip 参数怎么选
默认 get_text() 把所有子节点文本连成一串，中间无分隔，容易粘连。常见调整方式：
- 加换行分隔：
elem.get_text(separator="\n", strip=True)，适合段落结构明显的容器 - 用空格防粘连：
elem.get_text(separator=" ", strip=True)，对内联元素（如<span>套<strong>）更友好 - 保留原始缩进和换行？去掉
strip=True，但需注意前后可能有大量空白
特别注意：separator 只作用于**相邻文本节点之间**，不是标签之间。如果两个 <p> 之间隔着一个 <div>，它们的文本不会被这个参数自动加分隔符。
遇到嵌套结构只想取“直接子文本”怎么办
比如 <div class="summary">主文本<span>不想取这句</span></div>，你只想要“主文本”。BeautifulSoup 本身不支持 CSS 的 ::text 伪类，但可以手动遍历子节点过滤：
elem = soup.find(class_="summary")
direct_text = "".join(
child.strip() for child in elem.children
if hasattr(child, "strip") and not hasattr(child, "name")
)
这段代码只收集 elem 的一级子节点中那些“是字符串、不是 Tag”的内容。关键判断是：hasattr(child, "name") 为 False 才是纯文本节点；strip() 方法存在说明它是 NavigableString 类型。
这种写法略繁琐，但比正则安全，也比依赖外部解析器（如 lxml 的 ::text）更可控——毕竟你很可能已经用了 BeautifulSoup，没必要为这点需求再引入新依赖。
