美丽的汤 - 在解析树的提取部分之前插入

Question

我试图使用Beautiful Soup从大型网页中提取信息4.我想要的信息包含在一个特定的div中，我可以毫无问题地提取：

passage = soup.find("div", class_="desired_div")

然后我想在树的提取部分之前添加标签 - 例如我想用另一个div包装提取的div - 准备将提取的信息作为另一个html文件输出。

使用BS4，如何在解析树的提取部分之前插入标记，或者包装解析树的提取部分？ BS4似乎只允许我对提取的div的子项进行操作（根据文档），但我想在之前插入或包装提取的div。

Answer 1

BeautifulSoup旨在从HTML文件中提取内容。它不打算构建HTML元素。然而，可以使用另一个库Karrigell来实现您想要做的事情。

StackOverflow的相关答案：

• python html generator
• Generating HTML documents in python

编辑：BeautifulSoup 4.2.1支持创建新标记并将其添加到HTML中。 BeautifulSoup.new_tag()创建了一个新的HTML代码，insert_before()和insert_after()允许您在某些元素之前或之后添加它们。

Answer 2

如果其他人正在寻找解决方案，这就是我最终要做的事情。

首先，找到感兴趣的div：

tag = soup.find("div", class_="desired_div")

接下来，围绕感兴趣的div包裹另一个'占位符'div

newtag = soup.new_tag("div")
newtag['class'] = "placeholder"
tag.wrap(newtag)

然后提取占位符div：

passage = soup.find("div", class_="placeholder").extract()

感兴趣的div现在是解析树的提取部分的子节点，因此可以在标签周围添加标签或包装标签。

我当然愿意接受更好的解决方案，但这确实有效。