如何使用 Python BeautifulSoup 将输出写入 html 文件

Posted 2023-02-23

【中文标题】如何使用 Python BeautifulSoup 将输出写入 html 文件

【英文标题】：How to write the output to html file with Python BeautifulSoup

【发布时间】：2017-03-24 14:43:53

【问题描述】：

我通过删除一些使用beautifulsoup 的标签修改了一个html 文件。现在我想将结果写回到一个 html 文件中。 我的代码：

from bs4 import BeautifulSoup
from bs4 import Comment

soup = BeautifulSoup(open('1.html'),"html.parser")

[x.extract() for x in soup.find_all('script')]
[x.extract() for x in soup.find_all('style')]
[x.extract() for x in soup.find_all('meta')]
[x.extract() for x in soup.find_all('noscript')]
[x.extract() for x in soup.find_all(text=lambda text:isinstance(text, Comment))]
html =soup.contents
for i in html:
    print i

html = soup.prettify("utf-8")
with open("output1.html", "wb") as file:
    file.write(html)

由于我使用了soup.prettify，它会生成这样的html：

<p>
    <strong>
     BATAM.TRIBUNNEWS.COM, BINTAN
    </strong>
    - Tradisi pedang pora mewarnai serah terima jabatan pejabat di
    <a href="http://batam.tribunnews.com/tag/polres/" title="Polres">
     Polres
    </a>
    <a href="http://batam.tribunnews.com/tag/bintan/" title="Bintan">
     Bintan
    </a>
    , Senin (3/10/2016).
   </p>

我想得到像print i 这样的结果：

<p><strong>BATAM.TRIBUNNEWS.COM, BINTAN</strong> - Tradisi pedang pora mewarnai serah terima jabatan pejabat di <a href="http://batam.tribunnews.com/tag/polres/" title="Polres">Polres</a> <a href="http://batam.tribunnews.com/tag/bintan/" title="Bintan">Bintan</a>, Senin (3/10/2016).</p>
<p>Empat perwira baru Senin itu diminta cepat bekerja. Tumpukan pekerjaan rumah sudah menanti di meja masing masing.</p>

如何获得与print i 相同的结果（即标签及其内容出现在同一行）？谢谢。

【参考方案1】：

只需将soup 实例转换为字符串 并编写：

with open("output1.html", "w") as file:
    file.write(str(soup))

【讨论】：

如果您遇到编码问题，请使用此with open("output1.html", "w", encoding='utf-8') as file:

【参考方案2】：

对于 Python 3，unicode 已重命名为 str，但我确实必须传入编码参数才能打开文件以避免出现 UnicodeEncodeError。

with open("output1.html", "w", encoding='utf-8') as file:
    file.write(str(soup))

【参考方案3】：

使用 unicode 是安全的：

with open("output1.html", "w") as file:
    file.write(unicode(soup))

【讨论】：

为了未来读者的利益，正如@andytham 所提到的，对于Python 2，您只能使用unicode()；使用 str() 代替 Python 3