Question

我有一个这样的模板：

 <html><body><div id="here"></div></body></html>

和像这样的输入HTML

 <html><body>COMPLEX HTML</body></html>

其中COMPLEX_HTML是很多子标签（它是干净的 - 验证）

我正在尝试将输入HTML的body标记内的HTML移动到模板中的#here div，以获得此

 <html><body><div id="here">COMPLEX HTML</div></body></html>

我试过了：

t = BeautifulSoup("<html><body><div id=\"here\"></div></body></html>")
pc = t.find("div", id="here")
s = BeautifulSoup(open("complex.html"))

# this prints every tag in body
for b in s.body.contents:
  print b.name

# this prints only some of the tags
for b in s.body.contents:
  print b.name
  pc.append(b)

pc以s.body

中的所有其他标记结束

就像追加b向前移动迭代器一样。如何从一个汤中取出HTML结构并将其放入另一个汤中？

Answer 1

你可以这样做：

from bs4 import BeautifulSoup

html = """<html><body><div id="here"></div></body></html>"""

soup = BeautifulSoup(html)
div = soup.find("div", id="here")

html2 = """<html><body><script   src="//ajax.googleapis.com/ajax/libs/jquery/1.7.1/jquery.min.js"></script>
           <script src="//cdn.sstatic.net/Js/stub.en.js?v=283ea58c715b"></script>
           <link rel="stylesheet" type="text/css"  href="//cdn.ss  tatic.net/stackoverflow/all.css?   v=71d362e7c10c">
           </body></html>"""

soup1 = BeautifulSoup(html2)
value = soup1.body.extract()

div.append(value)
print div

输出是：

<div id="here"><body><script src="//ajax.googleapis.com/ajax/libs/jquery/1.7.1/jquery.min.js"></script>
<script src="//cdn.sstatic.net/Js/stub.en.js?v=283ea58c715b"></script>
<link href="//cdn.sstatic.net/stackoverflow/all.css?v=71d362e7c10c" rel="stylesheet"   type="text/css">
</link></body></div>

如果您想要body内的内容，您可以这样做：

#the above same lines

soup1 = BeautifulSoup(html2)
value = soup1.body.extract()

div.append(value)
# replaces a tag with whatever’s inside that tag.
div.body.unwrap()
print div

输出是：

<div id="here"><script src="//ajax.googleapis.com/ajax/libs/jquery/1.7.1/jquery.min.js"></script>
<script src="//cdn.sstatic.net/Js/stub.en.js?v=283ea58c715b"></script>
<link href="//cdn.sstatic.net/stackoverflow/all.css?v=71d362e7c10c" rel="stylesheet"   type="text/css">
</link></div>

Answer 2

好的，所以append（tag）会从其结构中删除标记，因此实际上会跳过下一个标记（因为你在迭代时改变了结构）

我用过这个

bc = soup.body.contents
while len(bc) > 0:
    pc.append(bc[0])

仍然从身体中移除bc [0]，但我不依赖于未被改变的结构。

这对我来说没问题，因为我不需要原汤。

如何使用BeautifulSoup将标签内容从一个汤移动到模板汤中

2 个答案: