用beautifulsoup克隆元素

Question

我必须将一个文档的一部分复制到另一个文档，但我不想修改从中复制的文档。

如果我使用.extract()，它将从树中删除元素。如果我只是像document2.append(document1.tag)那样附加所选元素，它仍然会从document1中删除该元素。

因为我使用的是真实的文件，所以在修改后我不能保存document1，但是有没有什么方法可以在不损坏文档的情况下这样做呢？

Answer 1

在4.4（2015年7月发布）之前的版本中，BeautifulSoup没有本地克隆功能；您必须自己创建一个深度副本，这很棘手，因为每个元素都维护到树的其余部分的链接。

要克隆一个元素及其所有元素，必须复制所有属性并重置它们的父子关系；这必须递归发生。最好不要复制关系属性并重新放置每个递归克隆的元素：

from bs4 import Tag, NavigableString

def clone(el):
    if isinstance(el, NavigableString):
        return type(el)(el)

    copy = Tag(None, el.builder, el.name, el.namespace, el.nsprefix)
    # work around bug where there is no builder set
    # https://bugs.launchpad.net/beautifulsoup/+bug/1307471
    copy.attrs = dict(el.attrs)
    for attr in ('can_be_empty_element', 'hidden'):
        setattr(copy, attr, getattr(el, attr))
    for child in el.contents:
        copy.append(clone(child))
    return copy

这个方法对当前的BeautifulSoup版本有点敏感；我用4.3测试了这个，将来的版本可能也会添加需要复制的属性。

您也可以将此功能添加到美化组：

from bs4 import Tag, NavigableString


def tag_clone(self):
    copy = type(self)(None, self.builder, self.name, self.namespace, 
                      self.nsprefix)
    # work around bug where there is no builder set
    # https://bugs.launchpad.net/beautifulsoup/+bug/1307471
    copy.attrs = dict(self.attrs)
    for attr in ('can_be_empty_element', 'hidden'):
        setattr(copy, attr, getattr(self, attr))
    for child in self.contents:
        copy.append(child.clone())
    return copy


Tag.clone = tag_clone
NavigableString.clone = lambda self: type(self)(self)

允许直接对元素调用.clone()：

document2.body.append(document1.find('div', id_='someid').clone())

我的feature request到BeautifulSoup项目was accepted and tweaked使用^{} function；既然BeautifulSoup 4.4发布了，您可以使用该版本（或更新版本）并执行以下操作：

import copy

document2.body.append(copy.copy(document1.find('div', id_='someid')))

Answer 2

这可能不是最快的解决方案，但它很短，似乎可以。。。

clonedtag = BeautifulSoup(str(sourcetag))

这个想法是彼得·伍兹在上面评论的。