HTML CSS JAVASCRIPT BOOTSTRAP JQUERY PHP SQL PYTHON PYTHON2 JAVA C C++ C# Linux AI 教程库 参考手册 测验 练习 HOWTO FAQ
❮ 上一节 下一节 ❯

Beautiful Soup - 修改树

BeautifulSoup 的一个重要方面是搜索解析树，它允许您根据需要对 Web 文档进行更改。 我们可以使用标签的属性来更改标签的属性，例如 .name、.string 或 .append() 方法。 它允许您在 .new_string() 和 .new_tag() 方法的帮助下向现有标签添加新标签和字符串。 还有其他方法，例如 .insert()、.insert_before() 或 .insert_after() 可以对您的 HTML 或 XML 文档进行各种修改。

更改标签名称和属性

创建 soup 后，很容易进行修改，如重命名标签、修改其属性、添加新属性和删除属性。

>>> soup = BeautifulSoup('<b class="bolder">Very Bold</b>')
>>> tag = soup.b

修改和增加新属性如下 −

>>> tag.name = 'Blockquote'
>>> tag['class'] = 'Bolder'
>>> tag['id'] = 1.1
>>> tag
<Blockquote class="Bolder" id="1.1">Very Bold</Blockquote>

删除属性如下 −

>>> del tag['class']
>>> tag
<Blockquote id="1.1">Very Bold</Blockquote>
>>> del tag['id']
>>> tag
<Blockquote>Very Bold</Blockquote>

修改.string

您可以轻松修改标签的 .string 属性 −

>>> markup = '<a href="https://www.tutorialspoint.com/index.html">Must for every <i>Learner>/i<</a>'
>>> Bsoup = BeautifulSoup(markup)
>>> tag = Bsoup.a
>>> tag.string = "My Favourite spot."
>>> tag
<a href="https://www.tutorialspoint.com/index.html">My Favourite spot.</a>

从上面，我们可以看到标签是否包含任何其他标签，它们及其所有内容将被新数据替换。

append()

向现有标签添加新数据/内容是通过使用 tag.append() 方法。 它与 Python 列表中的 append() 方法非常相似。

>>> markup = '<a href="https://www.tutorialspoint.com/index.html">Must for every <i>Learner</i></a>'
>>> Bsoup = BeautifulSoup(markup)
>>> Bsoup.a.append(" Really Liked it")
>>> Bsoup
<html><body><a href="https://www.tutorialspoint.com/index.html">Must for every <i>Learner</i> Really Liked it</a></body></html>
>>> Bsoup.a.contents
['Must for every ', <i>Learner</i>, ' Really Liked it']

NavigableString() 和 .new_tag()

如果您想将字符串添加到文档中，可以使用 append() 或 NavigableString() 构造函数轻松完成 −

>>> soup = BeautifulSoup("<b></b>")
>>> tag = soup.b
>>> tag.append("Start")
>>>
>>> new_string = NavigableString(" Your")
>>> tag.append(new_string)
>>> tag
<b>Start Your</b>
>>> tag.contents
['Start', ' Your']

注意：如果在访问NavigableString()函数时发现有name Error，如下 −

NameError：未定义名称"NavigableString"

只需从 bs4 包中导入 NavigableString 目录 −

>>> from bs4 import NavigableString

我们可以解决上面的错误。

您可以向现有标签添加注释，也可以添加 NavigableString 的其他子类，只需调用构造函数即可。

>>> from bs4 import Comment
>>> adding_comment = Comment("Always Learn something Good!")
>>> tag.append(adding_comment)
>>> tag
<b>Start Your<!--Always Learn something Good!--></b>
>>> tag.contents
['Start', ' Your', 'Always Learn something Good!']

可以使用 Beautifulsoup 内置方法 BeautifulSoup.new_tag() 添加一个全新的标签（而不是附加到现有标签） −

>>> soup = BeautifulSoup("<b></b>")
>>> Otag = soup.b
>>>
>>> Newtag = soup.new_tag("a", href="https://www.tutorialspoint.com")
>>> Otag.append(Newtag)
>>> Otag
<b><a href="https://www.tutorialspoint.com"></a></b>

只需要第一个参数，即标签名称。

insert()

类似于 python 列表中的 .insert() 方法，tag.insert() 将插入新元素，但与 tag.append() 不同，新元素不一定位于其父元素内容的末尾。 可以在任何位置添加新元素。

>>> markup = '<a href="https://www.djangoproject.com/community/">Django Official website <i>Huge Community base</i></a>'
>>> soup = BeautifulSoup(markup)
>>> tag = soup.a
>>>
>>> tag.insert(1, "Love this framework ")
>>> tag
<a href="https://www.djangoproject.com/community/">Django Official website Love this framework <i>Huge Community base</i></a>
>>> tag.contents
['Django Official website ', 'Love this framework ', <i>Huge Community base</i
>]
>>>

insert_before() 和 insert_after()

要在解析树中的某些内容之前插入一些标记或字符串，我们使用 insert_before() −

>>> soup = BeautifulSoup("Brave")
>>> tag = soup.new_tag("i")
>>> tag.string = "Be"
>>>
>>> soup.b.string.insert_before(tag)
>>> soup.b
<b><i>Be</i>Brave</b>

类似地，要在解析树中的某个内容之后插入一些标签或字符串，请使用 insert_after()。

>>> soup.b.i.insert_after(soup.new_string(" Always "))
>>> soup.b
<b><i>Be</i> Always Brave</b>
>>> soup.b.contents
[<i>Be</i>, ' Always ', 'Brave']

clear()

要删除标签的内容，请使用 tag.clear() −

>>> markup = '<a href="https://www.tutorialspoint.com/index.html">For <i>technical & Non-technical&lr;/i> Contents</a>'
>>> soup = BeautifulSoup(markup)
>>> tag = soup.a
>>> tag
<a href="https://www.tutorialspoint.com/index.html">For <i>technical & Non-technical</i> Contents</a>
>>>
>>> tag.clear()
>>> tag
<a href="https://www.tutorialspoint.com/index.html"></a>

extract()

要从树中删除标签或字符串，请使用 PageElement.extract()。

>>> markup = '<a href="https://www.tutorialspoint.com/index.html">For <i&gr;technical & Non-technical</i> Contents</a>'
>>> soup = BeautifulSoup(markup)
>>> a_tag = soup.a
>>>
>>> i_tag = soup.i.extract()
>>>
>>> a_tag
<a href="https://www.tutorialspoint.com/index.html">For Contents</a>
>>>
>>> i_tag
<i>technical & Non-technical</i>
>>>
>>> print(i_tag.parent)
None

decompose()

tag.decompose() 从树中移除一个标签并删除其所有内容。

>>> markup = '<a href="https://www.tutorialspoint.com/index.html">For <i>technical & Non-technical</i> Contents</a>'
>>> soup = BeautifulSoup(markup)
>>> a_tag = soup.a
>>> a_tag
<a href="https://www.tutorialspoint.com/index.html">For <i>technical & Non-technical</i> Contents</a>
>>>
>>> soup.i.decompose()
>>> a_tag
<a href="https://www.tutorialspoint.com/index.html">For Contents</a>
>>>

Replace_with()

顾名思义，pageElement.replace_with() 函数会用树中的新标签或字符串替换旧标签或字符串 −

>>> markup = '<a href="https://www.tutorialspoint.com/index.html">Complete Python <i>Material</i></a>'
>>> soup = BeautifulSoup(markup)
>>> a_tag = soup.a
>>>
>>> new_tag = soup.new_tag("Official_site")
>>> new_tag.string = "https://www.python.org/"
>>> a_tag.i.replace_with(new_tag)
<i>Material</i>
>>>
>>> a_tag
<a href="https://www.tutorialspoint.com/index.html">Complete Python <Official_site>https://www.python.org/</Official_site></a>

在上面的输出中，您已经注意到 replace_with() 返回被替换的标签或字符串（如我们的例子中的"Material"），因此您可以检查它或将它添加回树的另一部分。

wrap()

pageElement.wrap() 在您指定的标签中包含一个元素并返回一个新的包装器 −

>>> soup = BeautifulSoup("<p>tutorialspoint.com</p>")
>>> soup.p.string.wrap(soup.new_tag("b"))
<b>tutorialspoint.com</b>
>>>
>>> soup.p.wrap(soup.new_tag("Div"))
<Div><p><b>tutorialspoint.com</b></p></Div>

unwrap()

tag.unwrap() 与 wrap() 正好相反，它用标签内的任何内容替换标签。

>>> soup = BeautifulSoup('<a href="https://www.tutorialspoint.com/">I liked <i>tutorialspoint</i></a>')
>>> a_tag = soup.a
>>>
>>> a_tag.i.unwrap()
<i></i>
>>> a_tag
<a href="https://www.tutorialspoint.com/">I liked tutorialspoint</a>

从上面，您已经注意到像 replace_with() 一样，unwrap() 返回被替换的标签。

下面是 unwrap() 的另一个例子，以便更好地理解它 −

>>> soup = BeautifulSoup("<p>I <strong>AM</strong> a <i>text</i>.</p>")
>>> soup.i.unwrap()
<i></i>
>>> soup
<html><body><p>I <strong>AM</strong> a text.</p></body></html>

unwrap() 非常适合剥离标签。

❮ 上一节 下一节 ❯