本文介绍如何通过 beautifulsoup 遍历 html 元素，准确获取每个标签内的纯文本内容及其原始标签名（如 `p`、`h1`），并避免常见解析陷阱。
在使用 BeautifulSoup 解析 HTML 片段时，一个常见需求是：同时提取每段文本及其所属的 HTML 标签名称（如 对应 'p'， 对应 'h1'）
。初学者常误用 tag.tag 或尝试遍历 soup 根对象的直接子节点，结果因混入 NavigableString（如空白符、换行）而报错——NavigableString 对象没有 tag 属性，也无 name。
正确做法是：使用 soup.find_all() 获取所有标签元素（不包括文本节点），再通过 .text 获取渲染后纯文本，用 .name 属性获取标签名。注意：.name 是 BeautifulSoup 中表示标签名称的标准属性（例如
的 tag.name 为 'div'），而非 .tag（该属性不存在）。
以下为完整示例代码：
from bs4 import BeautifulSoup html = '''Some text
立即学习“前端免费学习笔记（深入）”；
Some text
More content''' soup = BeautifulSoup(html, 'html.parser') # 推荐显式指定解析器 for tag in soup.find_all(): print(f"'{tag.text}' → <{tag.name}>")
输出结果：
'Some text' →'Some text' →
'More content' →
✅ 关键注意事项：
- 始终显式传入解析器（如 'html.parser'），避免依赖默认解析器（如 lxml）导致结构被自动补全（例如包裹成 ...），干扰原始标签层级；
- find_all() 默认返回所有嵌套标签（含子标签），若只需顶层标签，可加参数 recursive=False；
- 若需排除空标签或过滤特定标签，可结合 find_all('p', 'h1', 'span') 或使用 CSS 选择器（如 soup.select('p, h1')）；
- .text 返回的是已合并的可见文本（自动忽略注释、脚本内容等），如需保留原始 HTML 内容，改用 .get_text() 并配置分隔符，或直接访问 .string（仅当标签内仅有单一字符串时有效）。
掌握 tag.name 与 tag.text 的组合使用，即可稳健实现“文本–标签”映射，为后续内容分析、结构化抽取或模板渲染打下基础。
