如何在 Python 中使用 BeautifulSoup 保存对 HTML 文件所做的更改?
Posted
技术标签:
【中文标题】如何在 Python 中使用 BeautifulSoup 保存对 HTML 文件所做的更改?【英文标题】:How to save back changes made to a HTML file using BeautifulSoup in Python? 【发布时间】:2012-12-31 10:09:48 【问题描述】:我有下面的脚本,它修改了 html 文件中的href
属性(将来,它将是目录中的 HTML 文件列表)。使用 BeautifulSoup,我设法访问标签值并按照我的意愿修改它们,但我不知道如何保存对文件所做的更改。
import os
import re
from bs4 import BeautifulSoup
htmlDoc = open('adding_computer_c.html',"r+")
soup = BeautifulSoup(htmlDoc)
replacements= [ ('_', '-'), ('../tasks/', prefixUrl), ('../concepts/', prefixUrl) ]
for link in soup.findAll('a', attrs='href': re.compile("../")):
newlink=str(link)
for k, v in replacements:
newlink = newlink.replace(k, v)
extrachars=newlink[newlink.find("."):newlink.find(">")]
newlink=newlink.replace(extrachars,'')
link=newlink
print(link)
##How do I save the link I have modified back to the HTML file?
print(soup)##prints the original html tree
htmlDoc.close()
【问题讨论】:
【参考方案1】:newlink = link['href']
# .. make replacements
link['href'] = newlink # store it back
现在print(soup.prettify())
将显示更改的链接。要将更改保存到文件:
htmlDoc.close()
html = soup.prettify("utf-8")
with open("output.html", "wb") as file:
file.write(html)
要保留文档的原始字符编码,您可以使用soup.original_encoding
而不是“utf-8”。见Encodings。
【讨论】:
我这样做了,但我达到了最大递归深度。知道为什么吗? 对于 Python 3,您必须使用:open("output.html", "wt")
@BrunoGabuzomeu 错了。 soup.prettify('utf-8')
返回字节,因此必须使用“wb”,如答案所示。以上是关于如何在 Python 中使用 BeautifulSoup 保存对 HTML 文件所做的更改?的主要内容,如果未能解决你的问题,请参考以下文章
python beautifulsoup获取特定html源码
如何用 Beautifulsoup 解析“数据文本”? [复制]