使用 Beautiful Soup 访问附加项目答案

【问题标题】：Accessing Appended item with Beautiful Soup使用 Beautiful Soup 访问附加项目
【发布时间】：2016-02-01 01:28:44
【问题描述】：

我正在尝试使用 Beautiful Soup python 库将一些内容附加到 html 页面的正文中。

>>> from bs4 import BeautifulSoup
>>> doc = BeautifulSoup("<html><head></head><body></body></html>", "html.parser")
>>> body = BeautifulSoup("<ol><li>1</li><li>2</li></ol>", "html.parser")
>>> print doc.html.body.ol
None
>>> doc.html.body.append(body)
>>> print doc.html.body.ol
None

添加后，我仍然看到 ol 标记为空。

>>> body.ol
<ol><li>1</li><li>2</li></ol>
>>> doc.html.body
<body><ol><li>1</li><li>2</li></ol></body>
>>>

但是。如果我打印整个正文标签，您可以看到内容似乎在那里。感觉append操作不是很懂。

编辑：

我不知道为什么，但似乎我可以附加标签但不能附加根。例如，doc.html.body.append(body.ol) 按我的预期工作。我也可以for tag in body.children: doc.html.body.append(tag)。

我的问题是为什么根不追加？

【问题讨论】：

标签： python beautifulsoup

【解决方案1】：

您应该附加body.ol 而不是body。换句话说，追加一个Tag 实例而不是BeautifulSoup 实例：

>>> from bs4 import BeautifulSoup
>>> 
>>> doc = BeautifulSoup("<html><head></head><body></body></html>", "html.parser")
>>> body = BeautifulSoup("<ol><li>1</li><li>2</li></ol>", "html.parser")
>>> 
>>> doc.html.body.append(body.ol)
>>> 
>>> print(doc.html.body.ol)
<ol><li>1</li><li>2</li></ol>

或者，如果您不知道哪个标签将成为父标签，请使用body.find()。

您也可以将解析器切换为html5lib（需要html5lib to be installed）：

>>> from bs4 import BeautifulSoup
>>> 
>>> doc = BeautifulSoup("<html><head></head><body></body></html>", "html5lib")
>>> body = BeautifulSoup("<ol><li>1</li><li>2</li></ol>", "html5lib")
>>> 
>>> doc.html.body.append(body)
>>> print(doc.html.body.ol)
<ol><li>1</li><li>2</li></ol>

【讨论】：

我仍然不明白追加的预期行为，因为解析器似乎不应该改变这种行为，因为此时它应该已经被“解析”了。看起来解决这个问题的方法是： for tag in body.children: doc.html.body.append(tag) 由于某种原因，根不会附加 html.parser跨度>
@rileymat 对最后一条评论感到抱歉，情况正好相反，但这并不完全相关 - 删除了评论。更新了答案，说明如何在不更改解析器的情况下使其工作。
谢谢，在这个人为的例子中，我知道它下面是一个 ol 标签，但在我的实际应用中，我不知道它会是什么。遍历孩子似乎有效。将其更改为迭代，我会接受答案，因为它可能对某人有所帮助。不过，对于解析器来说，这是一个奇怪的区别。
@rileymat 是的，您可以使用 body.find() 来获取父元素..谢谢，目前尚不完全清楚发生了什么，我同意。