Beautiful Soup - 修改树结构

上一页
下一页

Beautiful Soup 库的一个强大功能是能够操作解析后的 HTML 或 XML 文档并修改其内容。

Beautiful Soup 库具有不同的函数来执行以下操作：

  • 向文档的现有标签添加内容或新标签

  • 在现有标签或字符串之前或之后插入内容

  • 清除现有标签的内容

  • 修改标签元素的内容

添加内容

可以使用 Tag 对象上的 **append()** 方法向现有标签的内容添加内容。它的工作方式类似于 Python 列表对象的 append() 方法。

在下面的示例中，HTML 脚本有一个 <p> 标签。使用 append()，附加了额外的文本。

示例

from bs4 import BeautifulSoup

markup = '<p>Hello</p>'
soup = BeautifulSoup(markup, 'html.parser')
print (soup)
tag = soup.p

tag.append(" World")
print (soup)

输出

<p>Hello</p>
<p>Hello World</p>

使用 append() 方法，可以在现有标签的末尾添加一个新标签。首先使用 **new_tag()** 方法创建一个新的 Tag 对象，然后将其传递给 append() 方法。

示例

from bs4 import BeautifulSoup, Tag

markup = '<b>Hello</b>'
soup = BeautifulSoup(markup, 'html.parser')

tag = soup.b 
tag1 = soup.new_tag('i')
tag1.string = 'World'
tag.append(tag1)
print (soup.prettify())

输出

<b>
   Hello
   <i>
      World
   </i>
</b>

如果需要向文档添加字符串，可以附加一个 **NavigableString** 对象。

示例

from bs4 import BeautifulSoup, NavigableString

markup = '<b>Hello</b>'
soup = BeautifulSoup(markup, 'html.parser')

tag = soup.b 
new_string = NavigableString(" World")
tag.append(new_string)
print (soup.prettify())

输出

<b>
   Hello
   World
</b>

从 Beautiful Soup 4.7 版本开始，extend() 方法已添加到 Tag 类中。它将列表中的所有元素添加到标签中。

示例

from bs4 import BeautifulSoup

markup = '<b>Hello</b>'
soup = BeautifulSoup(markup, 'html.parser')

tag = soup.b 
vals = ['World.', 'Welcome to ', 'TutorialsPoint']
tag.extend(vals)
print (soup.prettify())

输出

<b>
   Hello
   World.
   Welcome to
   TutorialsPoint
</b>

插入内容

可以使用 **insert()** 方法在 Tag 元素的子元素列表中指定位置添加元素，而不是在末尾添加新元素。Beautiful Soup 中的 insert() 方法的行为类似于 Python 列表对象上的 insert()。

在下面的示例中，一个新的字符串被添加到 <b> 标签的第 1 个位置。生成的解析文档显示了结果。

示例

from bs4 import BeautifulSoup, NavigableString

markup = '<b>Excellent </b><u>from TutorialsPoint</u>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.b

tag.insert(1, "Tutorial ")
print (soup.prettify())

输出

<b>
   Excellent
   Tutorial
</b>
<u>
   from TutorialsPoint
</u>

Beautiful Soup 还具有 **insert_before()** 和 **insert_after()** 方法。它们各自的目的是在给定的 Tag 对象之前或之后插入标签或字符串。以下代码显示了在 <b> 标签之后添加字符串“Python 教程”。

示例

from bs4 import BeautifulSoup, NavigableString

markup = '<b>Excellent </b><u>from TutorialsPoint</u>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.b

tag.insert_after("Python Tutorial")
print (soup.prettify())

输出

<b>
   Excellent
</b>
Python Tutorial
<u>
   from TutorialsPoint
</u>

另一方面，insert_before() 方法在下面使用，在 <b> 标签之前添加“这是一个”文本。

tag.insert_before("Here is an ")
print (soup.prettify())

输出

Here is an
<b>
   Excellent
</b>
Python Tutorial
<u>
   from TutorialsPoint
</u>

清除内容

Beautiful Soup 提供了多种方法从文档树中移除元素的内容。每种方法都有其独特的特性。

**clear()** 方法是最直接的方法。它简单地移除指定 Tag 元素的内容。以下示例显示了其用法。

示例

from bs4 import BeautifulSoup, NavigableString

markup = '<b>Excellent </b><u>from TutorialsPoint</u>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.find('u')

tag.clear()
print (soup.prettify())

输出

<b>
   Excellent
</b>
<u>
</u>

可以看出，clear() 方法移除了内容，但保留了标签。

对于下面的示例，我们解析以下 HTML 文档，并在所有标签上调用 clear() 方法。

<html>
   <body>
      <p> The quick, brown fox jumps over a lazy dog.</p>
      <p> DJs flock by when MTV ax quiz prog.</p>
      <p> Junk MTV quiz graced by fox whelps.</p>
      <p> Bawds jog, flick quartz, vex nymphs./p>
   </body>
</html>

这是使用 clear() 方法的 Python 代码

示例

from bs4 import BeautifulSoup

fp = open('index.html')
soup = BeautifulSoup(fp, 'html.parser')
tags = soup.find_all()
for tag in tags:
   tag.clear()
print (soup.prettify())

输出

<html>
</html>

**extract()** 方法从文档树中移除标签或字符串，并返回被移除的对象。

示例

from bs4 import BeautifulSoup

fp = open('index.html')
soup = BeautifulSoup(fp, 'html.parser')
tags = soup.find_all()
for tag in tags:
   obj = tag.extract()
   print ("Extracted:",obj)

print (soup)

输出

Extracted: <html>
<body>
<p> The quick, brown fox jumps over a lazy dog.</p>
<p> DJs flock by when MTV ax quiz prog.</p>
<p> Junk MTV quiz graced by fox whelps.</p>
<p> Bawds jog, flick quartz, vex nymphs.</p>
</body>
</html>
Extracted: <body>
<p> The quick, brown fox jumps over a lazy dog.</p>
<p> DJs flock by when MTV ax quiz prog.</p>
<p> Junk MTV quiz graced by fox whelps.</p>
<p> Bawds jog, flick quartz, vex nymphs.</p>
</body>
Extracted: <p> The quick, brown fox jumps over a lazy dog.</p>
Extracted: <p> DJs flock by when MTV ax quiz prog.</p>
Extracted: <p> Junk MTV quiz graced by fox whelps.</p>
Extracted: <p> Bawds jog, flick quartz, vex nymphs.</p>

可以提取标签或字符串。以下示例显示了 antag 被提取。

示例

html = '''
   <ol id="HR">
   <li>Rani</li>
   <li>Ankita</li>
   </ol>
'''
from bs4 import BeautifulSoup


soup = BeautifulSoup(html, 'html.parser')
obj=soup.find('ol')
obj.find_next().extract()
print (soup)

输出

<ol id="HR">
   <li>Ankita</li>
</ol>

更改 extract() 语句以移除第一个 <li> 元素的内部文本。

示例

obj.find_next().string.extract()

输出

<ol id="HR">
   <li>Ankita</li>
</ol>

还有另一个方法 decompose()，它从树中移除标签，然后完全销毁它及其内容：

示例

html = '''
   <ol id="HR">
      <li>Rani</li>
      <li>Ankita</li>
   </ol>
'''
from bs4 import BeautifulSoup
soup = BeautifulSoup(html, 'html.parser')
tag1=soup.find('ol')
tag2 = soup.find('li')
tag2.decompose()
print (soup)
print (tag2.decomposed)

输出

<ol id="HR">

<li>Ankita</li>
</ol>

decomposed 属性返回 True 或 False - 元素是否已被分解。

修改内容

我们将看看 **replace_with()** 方法，它允许替换标签的内容。

就像 Python 字符串一样，它是不可变的，NavigableString 也不能就地修改。但是，可以使用 replace_with() 将标签的内部字符串替换为另一个字符串。

示例

from bs4 import BeautifulSoup
soup = BeautifulSoup("<h2 id='message'>Hello, Tutorialspoint!</h2>",'html.parser')

tag = soup.h2
tag.string.replace_with("OnLine Tutorials Library")
print (tag.string)

输出

OnLine Tutorials Library

这是一个显示 replace_with() 用法的另一个示例。如果将 BeautifulSoup 对象作为参数传递给某些函数（例如 replace_with()），则可以组合两个解析的文档。2524

示例

from bs4 import BeautifulSoup
obj1 = BeautifulSoup("<book><title>Python</title></book>", features="xml")
obj2 = BeautifulSoup("<b>Beautiful Soup parser</b>", "lxml")

obj2.find('b').replace_with(obj1)
print (obj2)

输出

<html><body><book><title>Python</title></book></body></html>

**wrap()** 方法将元素包装在您指定的标签中。它返回新的包装器。

from bs4 import BeautifulSoup

soup = BeautifulSoup("<p>Hello Python</p>", 'html.parser')
tag = soup.p
newtag = soup.new_tag('b')
tag.string.wrap(newtag)

print (soup)

输出

<p><b>Hello Python</b></p>

另一方面，**unwrap()** 方法用标签内的内容替换标签。它适用于去除标记。

示例

from bs4 import BeautifulSoup

soup = BeautifulSoup("<p>Hello <b>Python</b></p>", 'html.parser')
tag = soup.p
tag.b.unwrap()

print (soup)

输出

<p>Hello Python</p>
打印页面
上一页
下一页
广告
© . All rights reserved.