本文介绍如何利用 beautifulsoup 的 `contents` 属性，精准提取外层 `` 中不包含子元素的直接文本节点（如“felix wong”），避免 `get_text()` 返回嵌套子元素内容的问题。
在网页解析中，常遇到类似如下结构的 HTML：
Felix Wong +3 drivers若直接调用 .get_text()，会合并所有后代文本，返回 "Felix Wong +3 drivers" —— 这通常不符合需求，尤其当只需提取父级标签中的直接文本节点（即不被子标签包裹的部分）时。
此时应改用 .contents 属性：它返回一个包含所有直接子节点（包括字符串节点和标签节点）的列表。其中，纯文本内容作为 NavigableString 对象位于索引 0（前提是文本出现在子标签之前），而 则是索引 1 的 Tag 对象。
✅ 正确做法：
from bs4 import BeautifulSoup
html = '''Felix Wong +3 drivers'''
soup = BeautifulSoup(html, 'html.parser')
# 获取第一个直接子节点（即" Felix Wong "，含前后空格）
raw_text = soup.select_one('span').contents[0]
# 推荐：strip() 去除首尾空白，确保结果干净
name = raw_text.strip() # 输出: "Felix Wong"
print(name)⚠️ 注意事项：
- .contents[0] 仅在目标文本位于子标签之前时有效。若 HTML 为 +3 driversFelix Wong，则文本在索引 1，需先遍历 .contents 并筛选 isinstance(node, str) 的字符串节点。
- 更健壮的写法（兼容任意位置）：
parent = soup.select_one('span') name = ''.join([str(s) for s in parent.contents if isinstance(s, str)]).strip() - 始终指定解析器（如 'html.parser'），避免警告；生产环境推荐 'lxml'（需安装）以提升性能与容错性。
总结：.get_text() 适用于获取全部可见文本，而 .contents 是精准控制文本来源层级的关键工具——掌握其节点类型区分（str vs Tag），即可灵活应对复杂嵌套文本提取场景。
