Question

我有下面的脚本，它修改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我设法访问标记值并按我的意愿修改它们，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()

Answer 1

newlink = link['href']
# .. make replacements
link['href'] = newlink # store it back

现在print(soup.prettify())将显示已更改的链接。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，可以使用soup.original_encoding代替“utf-8”。请参阅Encodings。

如何使用Python中的BeautifulSoup保存对HTML文件所做的更改？

1 个答案: