停止 pyquery 在源 HTML 中没有空格的地方插入空格?

Stop pyquery inserting spaces where there aren't any in source HTML?

我正在尝试使用 pyquery 1.2 从元素中获取一些文本。显示的文本中没有空格,但 pyquery 正在插入空格。

这是我的代码:

from pyquery import PyQuery as pq
html = '<h1><span class="highlight" style="background-color:">Randomized</span> and <span class="highlight" style="background-color:">non-randomized</span> <span class="highlight" style="background-color:">patients</span> in <span class="highlight" style="background-color:">clinical</span> <span class="highlight" style="background-color:">trials</span>: <span class="highlight" style="background-color:">experiences</span> with <span class="highlight" style="background-color:">comprehensive</span> <span class="highlight" style="background-color:">cohort</span> <span class="highlight" style="background-color:">studies</span>.</h1>'
doc = pq(html)
print doc('h1').text()

这会产生(注意冒号和句号前的空格):

Randomized and non-randomized patients in clinical trials : 
experiences with comprehensive cohort studies .

如何阻止 pyquery 在文本中插入空格?

阅读 PyQuerysource I found that the text() 方法后 returns 以下内容:

return ' '.join([t.strip() for t in text if t.strip()])

这意味着非空标签的内容将始终由一个space分隔。我想问题是 html 的文本表示没有明确定义,所以我不认为它可以被视为错误——特别是因为 text() 文档中的示例正是这样做的:

>>> doc = PyQuery('<div><span>toto</span><span>tata</span></div>')
>>> print(doc.text())
toto tata

如果您想要其他行为,请尝试实现您自己的 text() 版本。您可以使用原始版本作为灵感,因为它只有 10 行左右。