(5-详细方法 | 修改文档树应该注意什么？)

  • BeautifulSoup本身最强大的功能是文档树的搜索；
  • 但也可以修改文档树。

1 修改tag的名称和属性

soup = BeautifulSoup('<b class="boldest">Extremely bold</b>', 'html.parser')
tag = soup.b
print(f"修改前：{tag}")
tag.name = "blockquote"
tag['class'] = 'verybold'
tag['id'] = 1
print(f"修改后：{tag}")
del tag['class']
del tag['id']
print(f"删除后：{tag}")
  • 输出为：
修改前：<b class="boldest">Extremely bold</b>
修改后：<blockquote class="verybold" id="1">Extremely bold</blockquote>
删除后：<blockquote>Extremely bold</blockquote>

2 修改 .string

  • 给tag的 .string 属性赋值,就相当于用当前的内容替代了原来的内容；
markup = '<a rel="nofollow" href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup, 'html.parser')

tag = soup.a
tag.string = "New link text."
print(tag)
  • 输出为：
<a rel="nofollow" href="http://example.com/">New link text.</a>

3 append()

  • Tag.append() 方法是给tag中添加内容；
soup = BeautifulSoup("<a>Foo</a>", 'html.parser')
soup.a.append("Bar")
print(soup)
print(soup.a.contents)
  • 输出为：
<a>FooBar</a>
['Foo', 'Bar']

4 NavigableString() 和 .new_tag()

  • 添加一段文本内容到文档中，使用NavigableString()；
  • 创建一段注释或 NavigableString 的任何子类, 只要调用 NavigableString ；
  • 创建一个tag最好的方法是调用工厂方法 BeautifulSoup.new_tag()；
soup = BeautifulSoup("<b></b>", 'html.parser')
original_tag = soup.b

new_tag = soup.new_tag("a", href="http://www.example.com")
original_tag.append(new_tag)
print(original_tag)
new_tag.string = "Link text."
print(original_tag)
  • 输出为：
<b><a rel="nofollow" href="http://www.example.com"></a></b>
<b><a rel="nofollow" href="http://www.example.com">Link text.</a></b>

5 insert()

  • Tag.insert() 方法与 Tag.append() 方法类似；
  • 区别是不会把新元素添加到父节点 .contents 属性的最后；
  • 而是把元素插入到指定的位置。
markup = '<a rel="nofollow" href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.a

tag.insert(1, "but did not endorse ")
print(tag)
print(tag.contents)
  • 输出为：
<a rel="nofollow" href="http://example.com/">I linked to but did not endorse <i>example.com</i></a>
['I linked to ', 'but did not endorse ', <i>example.com</i>]

6 insert_before() 和 insert_after()

  • insert_before() 方法在当前tag或文本节点前插入内容；
  • insert_after() 方法在当前tag或文本节点后插入内容；

7 clear()

  • Tag.clear() 方法移除当前tag的内容；
markup = '<a rel="nofollow" href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.a
tag.clear()
print(tag)
  • 输出为：
<a rel="nofollow" href="http://example.com/"></a>

8 其他几个方法

方法 说明
PageElement.extract() 将当前tag移除文档树,并作为方法结果返回
Tag.decompose() 将当前节点移除文档树并完全销毁
PageElement.replace_with() 移除文档树中的某段内容,并用新tag或文本节点替代它
PageElement.wrap() 可以对指定的tag元素进行包装 ,并返回包装后的结果
Tag.unwrap() 将移除tag内的所有tag标签

9 本文涉及的源码

# -*- coding:utf-8 -*-
# 作者：NoamaNelson
# 日期：2023/2/22 
# 文件名称：bs05.py
# 作用：Beautiful Soup的使用

from bs4 import BeautifulSoup

# 修改tag的名称和属性
soup = BeautifulSoup('<b class="boldest">Extremely bold</b>', 'html.parser')
tag = soup.b
print(f"修改前：{tag}")
tag.name = "blockquote"
tag['class'] = 'verybold'
tag['id'] = 1
print(f"修改后：{tag}")
del tag['class']
del tag['id']
print(f"删除后：{tag}")

# 修改 .string
markup = '<a rel="nofollow" href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup, 'html.parser')

tag = soup.a
tag.string = "New link text."
print(tag)

# append()
soup = BeautifulSoup("<a>Foo</a>", 'html.parser')
soup.a.append("Bar")
print(soup)
print(soup.a.contents)

# NavigableString() 和 .new_tag()
soup = BeautifulSoup("<b></b>", 'html.parser')
original_tag = soup.b

new_tag = soup.new_tag("a", href="http://www.example.com")
original_tag.append(new_tag)
print(original_tag)
new_tag.string = "Link text."
print(original_tag)

# insert()
markup = '<a rel="nofollow" href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.a

tag.insert(1, "but did not endorse ")
print(tag)
print(tag.contents)

# insert_before() 和 insert_after()

# clear()
markup = '<a rel="nofollow" href="http://example.com/">I linked to <i>example.com</i></a>'
soup = BeautifulSoup(markup, 'html.parser')
tag = soup.a
tag.clear()
print(tag)
# extract()
# decompose()
# replace_with()
# wrap()
# unwrap()