使用Beautiful Soup 4解析元素后如何获取其名称

2024-10-03 11:21:06 发布

您现在位置：Python中文网/ 问答频道 /正文
8784 3

我有一个简单的HTML文件我想转换。根据标记的类别，我需要修改内容：

<HTML>
<HEAD>
<TITLE>Eine einfache HTML-Datei</TITLE>
<meta name="description" content="A simple HTML page for BS4">
<meta name="author" content="Uwe Ziegenhagen">
<meta charset="UTF-8">
</HEAD>
<BODY>

<H1>Hallo Welt</H1>

<p>Ein kurzer Absatz mit ein wenig Text, der relativ nichtssagend ist.</p>

<H1>Nochmal Hallo Welt!</H1>

<p>Schon wieder ein kurzer Absatz mit ein wenig Text, der genauso nichtssagend ist wie der Absatz zuvor.</p>

</BODY>
</HTML>

我如何浏览BS4树并根据我有一个“H1”或“p”或其他类型的标记来进行某些修改？我想我需要一些switch语句来决定每个元素如何处理它。在

^{pr2}$

Tags： name标记titlehtmlbodycontenth1head
2条回答
网友
1楼 · 编辑于 2024-10-03 11:21:06

请尝试以下代码：

from bs4 import BeautifulSoup
with open ("simple.html", "r") as htmlsource:
    html=htmlsource.read()

soup = BeautifulSoup(html)

for item in soup.body:
    print(item)

# You will select all of elements in the HTML page
elems = soup.findAll()
for item in elems:
   try:
      # Check if the class element is equal to a specified class
      if 'myClass' == item['class'][0]:
         print(item)

     # Check if the tagname element is equal to a specified tagname
     elif 'p' == item.name:
        print(item)

  except KeyError:
     pass
网友
2楼 · 编辑于 2024-10-03 11:21:06

beautifulGroup标记对象有一个name属性，您可以检查它。例如，下面是一个函数，它通过向postwalk中的每个节点添加字符串“Done with this”+适当的标记名来转换树：

def walk(soup):
    if hasattr(soup, "name"):
        for child in soup.children:
            walk(child)
        soup.append("Done with this " + soup.name)

注意。表示文本内容的NavigableString对象和表示注释的Comment对象没有诸如name或{}之类的属性，因此，如果您像上面一样遍历整个树，则需要检查是否确实手头有一个标记（我正在使用上面的hasattr调用；我想您可以检查类型是bs4.element.Tag）。在

相关问题 更多 >

    编程相关推荐