个人中心
文章发布
退出
作者热门文章
- android - 多次调用 OnPrimaryClipChangedListener
- android - 无法更新 RecyclerView 中的 TextView 字段
- android.database.CursorIndexOutOfBoundsException : Index 0 requested, 光标大小为 0
- android - 使用 AppCompat 时，我们是否需要明确指定其 UI 组件(Spinner、EditText)颜色
28
4
我自动将 HTML 页面的内容翻译成不同的语言，所以我必须从有时写得很糟糕的不同 HTML 页面中提取所有文本节点(我无法编辑这些 HTML)。
通过使用 BeautifulSoup，我可以轻松提取这些文本并将其替换为翻译，但是当我在这些操作后显示 HTML 时:html = BeautifulSoup(source_html) - 它有时会被破坏，因为 BeautifulSoup 会自动关闭标签(例如 table 标签在错误的位置关闭) .
有没有办法阻止 BeautifulSoup 关闭这些标签？
例如这是我的输入:
html = "<table><tr><td>some text</td></table>" - 缺少结束 tr
在 soup = BeautufulSoup(html) 之后我得到 "<table><tr><td>some text</td></tr></table>"
我想获得与输入完全相同的 html...
有可能吗？
最佳答案
BeautifulSoup擅长从格式错误的 HTML/XML 中解析和提取数据，但如果损坏的 HTML 不明确，那么它会使用一组规则来解释标签(这可能不是你想要的)。请参阅有关 Parsing HTML 的部分在以听起来与您的情况非常相似的示例结尾的文档中。
如果您知道您的标签有什么问题并了解 BeautifulSoup 使用的规则，您可以稍微增加 HTML(可能删除或移动某些标签)以使 BeautifulSoup 返回您想要的输出。
如果您可以发布一个简短的示例，有人可能会为您提供更具体的帮助。
例如，考虑文档中给出的示例(上面的链接):
from BeautifulSoup import BeautifulSoup
html = """
<html>
<form>
<table>
<td><input name="input1">Row 1 cell 1
<tr><td>Row 2 cell 1
</form>
<td>Row 2 cell 2<br>This</br> sure is a long cell
</body>
</html>"""
print BeautifulSoup(html).prettify()
<table>标签将在 </form> 之前关闭确保表格正确嵌套在表格中，留下最后一个 <td>挂着。
如果我们理解这个问题，我们可以通过删除 </table> 来获得正确的关闭标签 ( "<form>" )解析前:
>>> html = html.replace("<form>", "")
>>> soup = BeautifulSoup(html)
>>> print soup.prettify()
<html>
<table>
<td>
<input name="input1" />
Row 1 cell 1
</td>
<tr>
<td>
Row 2 cell 1
</td>
<td>
Row 2 cell 2
<br />
This
sure is a long cell
</td>
</tr>
</table>
</html>
如果<form>标签很重要，你仍然可以在解析后添加它。例如:
>>> new_form = Tag(soup, "form") # create form element
>>> soup.html.insert(0, new_form) # insert form as child of html
>>> new_form.insert(0, soup.table.extract()) # move table into form
>>> print soup.prettify()
<html>
<form>
<table>
<td>
<input name="input1" />
Row 1 cell 1
</td>
<tr>
<td>
Row 2 cell 1
</td>
<td>
Row 2 cell 2
<br />
This
sure is a long cell
</td>
</tr>
</table>
</form>
</html>
关于python - 如何使用 BeautifulSoup (python) 防止关闭错误 HTML 中的标签？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7468416/
28
4
0
我正在使用的网站上有一个非 Canvas 导航。关闭 Canvas 导航的默认状态是关闭的，这在移动网站上运行良好，因为您可以打开它并选择您的链接，但在桌面上关闭它并打开它会隐藏用户的信息，我希望它是
我有一个 NSViewController 是这样连接的: 在底部 viewController 中，我尝试使用 self.dismiss(self) 关闭它，但是，它会产生此错误: [General
我昨天制作了一个扩展的 JQuery 搜索框，它的作用就像一个魅力!但是，我在创建一个脚本时遇到问题，当用户单击搜索框时，它会关闭。 这是我的 JQuery: function expandSearc
我一辈子都无法在 API V3 中一次只显示一个信息窗口。我需要一个在下一次开放之前关闭。还希望在 map 上的任何地方关闭 infoWindow onclick。这是否在初始化函数中？ 这是我的完整
关闭和清理套接字的正确方法是什么？ 我在辅助线程中运行 io_service，我需要关闭与主线程的连接: void closeConnection() { ioc.post([&socket]
我的 Selenium 测试看起来像这样:客户选择金融产品，填写一些必要的数据，并在打印预览中显示条款/协议(protocol)文档(根据本地法律的要求)。打印/关闭打印预览对话框后，客户输入更多数据
我目前正在从 android 网站了解 Navigation Drawer，我正在使用他们的示例 http://developer.android.com/training/implementing-
尝试通过 expo 在模拟器上运行 react-native 应用程序时出现此错误。 Couldn't start project on Android: Error running adb: adb
方法一 function transform(ar) { var alStr = []; for(var i=0; i
我想按以下方式自定义我的抽屉导航: 我希望在抽屉打开时显示一个图标，在抽屉关闭时显示另一个图标，而不是将菜单图标稍微向左滑动的当前默认动画。 关于我在哪里可以找到类似内容的任何想法/线索？ 我做了一些
我们刚刚从 0.6.2 或 0.7 升级了我们的 dropwizard 版本，发现 .yml 文件中的很多配置都发生了变化。尽管我们能够弄清楚其中的大部分，但我们无法弄清楚如何关闭“requestLo
从 celery 2.4.5 升级后，我开始让 celery 随机关闭。 我在 centOS 机器上使用 celery 3.0.12、boto 2.6 和 amazon sqs 和 django 1.
我试图包含一些语句来指导用户更多地了解文件无法打开或关闭的原因。文件在写入模式下无法打开的一些可能情况是什么？无法关闭怎么办？ FILE *fp; if(!(fp = fopen("testing",
我有一个DLL，可以访问数据库并从存储在配置文件中的应用程序设置中读取连接字符串。然后，引用此DLL的应用程序将需要在其配置文件中为此配置设置设置值。 我遇到的问题是，生成的配置代码会通过Defaul
我将 UIDatePicker 添加为 UITextField 的输入 View UIDatePicker *oBirth; NSDateFormatter *dateFormat; _edit
我有以下代码: SecondViewController *secondView = [[SecondViewController alloc] initWithNibName:@"SecondVie
Closed. This question does not meet Stack Overflow guidelines。它当前不接受答案。 想改善这个问题吗？更新问题，以便将其作为on-topic
通常，按下 option 键关闭窗口会关闭应用程序中的所有窗口。在我的应用程序中，我希望它仅关闭与用户正在关闭的窗口相关的窗口。我怎样才能做到这一点？我可以为所有窗口实现 windowShouldCl
我有一个 NSWindow，它托管一个已连接到脚本处理程序的 WebView。 现在，当用户单击 WebView 上的控件上的按钮时，它会调用我的对象上的 Objective C 方法。 在这种特定情
我想根据 MBP 上的相机使用情况自动化个人工作流程。 基本上我想知道是否任何 的摄像头(内置或 USB)已打开或关闭，因此我可以运行我将创建的程序或脚本。 我认为如果我需要轮询相机状态也可以，但基于
我是一名优秀的程序员,十分优秀！