Question

我从另一个开发人员继承了一个函数，该函数应该检查电子邮件消息的body参数是HTML主体还是纯文本。如果它是HTML，它会将正文和html版本的主体附加到消息中，如果正文不是html，则它只附加一个简单的正文。

def insertBody(self, body):
    if bool(BeautifulSoup(body, "html.parser").find()):
        b = MIMEMultipart('alternative')
        b.attach( MIMEText(html2text.html2text(body),'plain') )
        b.attach( MIMEText(body,'html') )
    else:
        b = MIMEText(body,'text')
    self._msg.attach(b)
    return

问题在于它似乎没有检测到什么时候只传递一个普通的身体，只有当我提交一个带有<html>和<body>标签的身体时它才有效。我在想它可能是find()函数的使用，但我对Beautifulsoup的熟悉程度不够。我是在正确的轨道上吗？

Answer 1

该测试有三个问题：

您不需要在bool()测试中使用if，因为if语句已完全相同。

测试太简单了。只要文本中包含<字符，然后是文本，然后后面的由>字符，测试就会通过：

>>> from bs4 import BeautifulSoup >>> BeautifulSoup('<foo bar\n baz> spam ham', 'html.parser').find() <foo bar="" baz=""> spam ham</foo>

使用BeautifulSoup进行完整解析是一种过度杀伤，可以通过以下方式更有效地执行相同的测试：

import re if re.search('<[^>]+>', body): # ...

可以调整正则表达式以查找实际有效的HTML标记，例如：

html = re.compile('<(?:html|head|body)[^>]*>', flags=re.I) if html.search(body):

以上检测到开放<html>，<head>或<body>标记;根据需要调整您需要这种检测的精确程度（精确度和误报之间始终存在权衡）。

Beautifulsoup使用find（）

1 个答案: