本文介绍如何利用 beautifulsoup 的 `name` 属性，准确获取每个 html 元素的文本内容与原始标签名（如 `p`、`h1`），避免因误用 `tag` 属性导致的 attributeerror。
在使用 BeautifulSoup 解析 HTML 片段时，一个常见需求是：既要提取纯文本内容，又要保留其所属的 HTML 标签类型（例如
中的文本应标记为 "p"，
中的文本应标记为 "h1"）。初学者常误以为可通过 element.tag 获取标签名，但实际 NavigableString 或 Tag 对象均无 .tag 属性——正确属性是 .name。✅ 正确做法：遍历所有标签并访问 .name
soup.find_all() 返回所有嵌套的 Tag 对象（不含顶层 NavigableString 文本节点），每个对象都具备 .text（去标签的纯文本）和 .name（标签名字符串）属性：
from bs4 import BeautifulSoup html = 'Some text
Some text
Nested content' soup = BeautifulSoup(html, 'html.parser') for tag in soup.find_all(): print(f"'{tag.text.strip()}' → {tag.name}")
输出：
立即学习“前端免费学习笔记（深入）”；
'Some text' → p 'Some text' → h1 'Nested content' → span 'Nested content' → div
? 注意：find_all() 默认递归匹配所有标签，包括嵌套子标签（如上例中 div 和 span 均被返回）。若只需顶层块级元素，可限定 find_all(['p', 'h1', 'div'])；若需排除特定标签（如 或 ），可添加 recursive=False 或使用过滤函数。
⚠️ 关键注意事项
-
务必指定解析器：推荐显式传入 'html.parser'（Python 内置，稳定且不自动补全结构）。若使用 lxml 或 html5lib，它们可能重写不完整 HTML（如自动包裹
），导致意外的根节点干扰结果。 -
.text 会合并子节点文本：例如
Hello world!
的 tag.text 返回 "Hello world!"（无格式空格/换行）。如需精确控制文本提取逻辑（如保留换行或跳过注释），应遍历 tag.children 并手动处理。 忽略纯文本节点（如
abc
text 中的 " text"）：find_all() 不返回孤立的 NavigableString，因此文档中未包裹在标签内的文本不会被捕获。如需全部文本片段（含标签外文本），应改用 soup.recursiveChildGenerator() 并判断 isinstance(child, Tag)。
✅ 总结
| 目标 | 推荐方法 |
|---|---|
| 获取每个标签的文本 + 标签名 | for tag in soup.find_all(): print(tag.text, tag.name) |
| 避免结构篡改 | 显式指定 BeautifulSoup(html, 'html.parser') |
| 精确控制范围 | 使用 find_all(['p', 'h2', 'li']) 或 find_all(True, recursive=False) |
掌握 .name 属性的正确用法，是高效解析 HTML 结构、构建语义化文本提取流程的基础一步。
