Question

我希望能够使用BeautifulSoup保存我对HTML文件所做的更改。我的脚本当前能够找到HTML文件中包含单词“data”的所有href，然后能够利用Google的url结果构建一个新的href。标签值正确打印但问题是我无法看到输出文件中反映的那些更改，因为它似乎没有更新Soup。

更新以反映工作解决方案 -

# making the soup
htmlDoc = open('test.html', "r+")
soup = BeautifulSoup(htmlDoc)

i = 0 #initialize counter

for tag in soup.findAll(href=re.compile("data")): #match for href's with keyword data
    i += 1
    print i
    print tag.get_text()    
    text = tag.get_text() + "applications"
    g = pygoogle(text)
    g.pages = 1
    # print '*Found %s results*'%(g.get_result_count())
    if "http" in g.get_first_url(): 
        print g.get_first_url()
        new_tag = soup.new_tag("a", href=g.get_first_url())
        new_tag.string = tag.get_text()
        print new_tag
        tag.replace_with(new_tag)


print "Remaining"
print i

htmlDoc.close()

html = soup.prettify(soup.original_encoding)
with open("test.html", "wb") as file:
    file.write(html)

Answer 1

您已创建新标记new_tag = soup.new_tag("a", href=g.get_first_url())，但实际上未将new_tag插入HTML代码中，您只将其分配给变量new_tag。

您需要使用BeatifulSoup提供的insert()或append()方法，才能将标记实际放置在html中。

或者您可以使用以下内容重新分配链接的'href'：

htmlDoc = open('test.html', "r+")
soup = BeautifulSoup(htmlDoc)

i = 0 #initialize counter

for tag in soup.findAll(href=re.compile("data")): #match for href's with keyword data
    i += 1
    print i
    print tag.get_text()    
    text = tag.get_text() + "applications"
    g = pygoogle(text)
    g.pages = 1
    # print '*Found %s results*'%(g.get_result_count())
    if "http" in g.get_first_url(): 
        print g.get_first_url()
        new_tag['href'] = g.get_first_url()

使用BeautifulSoup更新HTML文件

1 个答案: