更新1

Question

我正在尝试将一个html字符串插入到BeautifulSoup对象中。如果我直接插入它，bs4清理html。如果使用html字符串并从中创建一个汤，并插入我使用find函数时遇到问题。 This post thread on SO表明插入BeautifulSoup对象可能会导致问题。我正在使用该帖子的解决方案，并在每次插入时重新创建汤。

但肯定有更好的方法将html字符串插入汤中。

编辑：我将添加一些代码作为问题的示例

from bs4 import BeautifulSoup

mainSoup = BeautifulSoup("""
<html>
    <div class='first'></div>
    <div class='second'></div>
</html>
""")

extraSoup = BeautifulSoup('<span class="first-content"></span>')

tag = mainSoup.find(class_='first')
tag.insert(1, extraSoup)

print mainSoup.find(class_='second')
# prints None

Answer 1

最简单的方法，如果你已经有一个html字符串，就是插入另一个BeautifulSoup对象。

from bs4 import BeautifulSoup

doc = '''
<div>
 test1
</div>
'''

soup = BeautifulSoup(doc, 'html.parser')

soup.div.append(BeautifulSoup('<div>insert1</div>', 'html.parser'))

print soup.prettify()

输出：

<div>
 test1
<div>
 insert1
</div>
</div>

更新1

这个怎么样？想法是使用BeautifulSoup生成正确的AST节点（span标记）。看起来这样可以避免＆＃34;无＆＃34;问题

import bs4
from bs4 import BeautifulSoup

mainSoup = BeautifulSoup("""
<html>
    <div class='first'></div>
    <div class='second'></div>
</html>
""", 'html.parser')

extraSoup = BeautifulSoup('<span class="first-content"></span>', 'html.parser')
tag = mainSoup.find(class_='first')
tag.insert(1, extraSoup.span)

print mainSoup.find(class_='second')

输出：

<div class="second"></div>

Answer 2

执行此操作的最佳方法是创建新标记span并将其插入mainSoup。这就是.new_tag方法的用途。

In [34]: from bs4 import BeautifulSoup

In [35]: mainSoup = BeautifulSoup("""
   ....: <html>
   ....:     <div class='first'></div>
   ....:     <div class='second'></div>
   ....: </html>
   ....: """)

In [36]: tag = mainSoup.new_tag('span')

In [37]: tag.attrs['class'] = 'first-content'

In [38]: mainSoup.insert(1, tag)

In [39]: print(mainSoup.find(class_='second'))
<div class="second"></div>

将html字符串插入到BeautifulSoup对象中

2 个答案:

更新1