Question

我正在尝试将一个'＆amp; nbsp'添加到Beautifulsoup标签中。 BS将tag.string转换为\&ampamp;nbsp;而不是&nbsp。它必须是一些编码问题，但我无法弄明白。

请注意：忽略后面的'\'字符。我必须添加它，所以stackoverflow会正确地格式化我的问题。

import bs4 as Beautifulsoup

html = "<td><span></span></td>"
soup = Beautifulsoup(html)
tag = soup.find("td")
tag.string = "&nbsp;"

当前输出为html =“\＆amp; amp; nbsp;”

有什么想法吗？

Answer 1

尽管如果您不介意使用formatter=None，alecxe的the answer也可以使用，但是如果您想将 插入您要执行的某些HTML中，则没有用 em>希望具有特定的格式（例如"html5"或"html"）。

我发现Muposat使用"\xa0"的{{3}}对我有用。

因此，要适应alecxe的答案：

from bs4 import BeautifulSoup

html = "<td><span></span></td>"
soup = BeautifulSoup(html, "html.parser")
tag = soup.find("span")
tag.string = "\xa0"

print soup.prettify(formatter="html5")

打印：

<td>
 <span>
  &nbsp;
 </span>
</td>

这是使用python 3.7。

Answer 2

默认情况下，BeautifulSoup使用minimal输出格式化程序并转换HTML实体。

解决方法是将输出格式化程序设置为None，引用BS源代码（PageElement docstring）：

# There are five possible values for the "formatter" argument passed in
# to methods like encode() and prettify():
#
# "html" - All Unicode characters with corresponding HTML entities
#   are converted to those entities on output.
# "minimal" - Bare ampersands and angle brackets are converted to
#   XML entities: &amp; &lt; &gt;
# None - The null formatter. Unicode characters are never
#   converted to entities.  This is not recommended, but it's
#   faster than "minimal".

示例：

from bs4 import BeautifulSoup


html = "<td><span></span></td>"
soup = BeautifulSoup(html, 'html.parser')
tag = soup.find("span")
tag.string = '&nbsp;'

print soup.prettify(formatter=None)

打印：

<td>
 <span>
  &nbsp;
 </span>
</td>

希望有所帮助。

Answer 3

您需要添加unicode非中断空间，可以表示为＆＃34; \ xa0＆＃34;在python：

soup = BeautifulSoup("", "html5lib") # html5lib will add html and body tags by default
soup.body.string = "\xa0" # uncode non-breaking space
soup.encode("ascii") # to see final html in ascii encoding

结果：

b'<html><head></head><body>&#160;</body></html>'

如何在Beautifulsoup标签中插入空格（）？

3 个答案: