Question

我使用BeautifulSoup 4（目前为4.3.2）修改了一些HTML。将修改后的汤转换为字符串时，所有br元素都将写为<br/>：

>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('<p>Paragraph containing<br>line break</p>')
>>> soup.p
<p>Paragraph containing<br/>line break</p>
>>> str(soup.p)
'<p>Paragraph containing<br/>line break</p>'

HTML 5可以，但不一定适用于HTML 4，也适用于我的用例;我想像过去那样生成输出。

formatter和prettify方法的encode参数似乎只影响字符串内容。

是否可以告诉BeautifulSoup 不生成自动关闭标签？或者我是否需要自己编写一个函数来处理汤并创建这样的字符串？

Answer 1

据我了解，BeautifulSoup包含已打开然后关闭的标记或自动关闭标记。没有非关闭标记这样的东西，因为你想要<br>。

很久以前，someone tried to apply a patch为HTML 4正确输出prettify() br个标记。

最简单的解决方案是手动删除关闭部分：

>>> data = '<p>Paragraph containing<br>line break</p>'
>>> soup = BeautifulSoup(data, 'html.parser')
>>> str(soup).replace('</br>', '')
'<p>Paragraph containing<br>line break</p>'

这真的不是一个美丽可靠的解决方案。

更好的方法是创建自己的树构建器类，并控制br和handle_starttag()方法构建handle_endtag()标记的方式

有BeautifulSoup输出<br/>而不是<br/>

1 个答案: