如何在 Python 中使用 BeautifulSoup 保存对 HTML 文件所做的更改？

Posted 2023-02-23

【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()

【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。