使用beauthoulsoup更新HTML文件

Question

我希望能够保存我用beauthoulsoup对HTML文件所做的更改。我的脚本目前能够定位HTML文件中包含单词“data”的所有href，然后能够利用Google的url结果构造一个新的href。标签值正确打印，但问题是我无法看到这些更改反映在输出文件中，因为似乎没有更新Soup。在

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

您已经创建了一个新的标记new_tag = soup.new_tag("a", href=g.get_first_url())，但实际上并没有将new_tag插入HTML代码中，而是将其分配给一个变量new_tag。在

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

或者，您可以使用以下命令重新分配链接的'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()