个人中心
文章发布
退出
作者热门文章
- html - 出于某种原因，IE8 对我的 Sass 文件中继承的 html5 CSS 不友好？
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景？
25
4
是否有一个 Python 库可以让我在不干扰标记的情况下获得任意 HTML 片段？据我所知，lxml、BeautifulSoup 和 pyquery 都可以轻松实现类似 soup.find(".arbitrary-class") 的功能。 ，但它返回的 HTML 是经过格式化的。我想要原始的原始标记。
例如，假设我有这个:
<html>
<head>
<title>test</title>
</head>
<body>
<div class="arbitrary-class">
This is some<br />
markup with <br>
<p>some potentially problematic</p>
stuff in it <input type="text" name="w00t">
</div>
</body>
</html>
我想准确捕捉:
"
This is some<br />
markup with <br>
<p>some potentially problematic</p>
stuff in it <input type="text" name="w00t">
"
...空格等等，并且不会破坏标签的正确格式(例如 <br />)。
问题似乎在于，所有 3 个库似乎都在内部构建 DOM，并且只是返回一个代表文件应该的 Python 对象，而不是它是什么 ，所以我不知道在哪里/如何获取我需要的原始代码片段。
最佳答案
这段代码:
from bs4 import BeautifulSoup
with open("index.html") as fp:
soup = BeautifulSoup(fp, "html.parser")
print soup.select(".arbitrary-class")[0].contents
将返回给您列表:
[u'\n This is some', <br/>, u'\n markup with ', <br/>, u'\n', <p>some potentially problematic</p>, u'\n stuff in it ', <input name="w00t" type="text"/>, u'\n']
编辑:
正如丹尼尔在评论中指出的，这会导致标准化标签。
我能找到的唯一替代方法是使用解析器生成器，例如 pyparsing。下面的代码是对他们的一些example code稍作修改对于withAttribute功能。
from pyparsing import *
html = """<html>
<head>
<title>test</title>
</head>
<body>
<div class="arbitrary-class">
This is some<br />
markup with <br>
<p>some potentially problematic</p>
stuff in it <input type="text" name="w00t">
</div>
</body>
</html>"""
div,div_end = makeHTMLTags("div")
# only match div tag having a class attribute with value "arbitrary-class"
div_grid = div().setParseAction(withClass("arbitrary-class"))
grid_expr = div_grid + SkipTo(div | div_end)("body")
for grid_header in grid_expr.searchString(html):
print repr(grid_header.body)
此代码的输出如下:
'\n This is some<br />\n markup with <br>\n <p>some potentially problematic</p>\n stuff in it <input type="text" name="w00t">'
请注意第一个 <br/>现在有一个空间，并且 <input>标签不再在结束 > 之前添加/。与您的规范的唯一区别是缺少尾随空格。您也许可以通过改进此解决方案来解决此差异。
关于python - 如何捕获 HTML，不受捕获库的干扰？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/50855442/
25
4
0
我每天运行命令将新记录插入 BigQuery 表，并想记录每天插入的记录数。 我创建了一个 QueryJob包含 SELECT 查询和 destination 表的对象。我将 write_dispos
当您登录受密码保护的页面时，WordPress 会设置一个类似于 wp-postpass_hash 的 cookie。 这个 cookie 似乎永远存在。我希望能够为用户提供“注销”链接。如果我不知道
我正在用 C++ 设计一个公共(public) API，我相信我想保留 C++ 属性函数样式约定，它们看起来像 int& Value() 和 const int& Value() const 而不是按
我正在构建一个使用 jQuery 图片库的网站。你可以看一个例子 here . 出于某种原因，当画廊更改图像时，或者当您手动更改图像时，页面高度似乎因为需要更好的词而“闪烁”。新图像似乎增加了页面高度
我正在尝试使用 CSS3 实现一个简单的 3D 照片库。它在 IE10+ 浏览器上运行良好，但在最新版本的 chrome 上有一个小错误，即单击时按钮消失。谁能告诉我如何解决这个问题？提前谢谢你。 w
我想知道为什么其中一些程序会抛出段错误，而另一些则不会。 这个程序抛出一个段错误: #include int main(){ int ar[2096263]; printf("asd
今天我移植了我的旧内存基准测试 从 Borland C++ builder 5.0 到 BDS2006 Turbo C++，发现奇怪的事情。 BCB5 的 exe 运行正常且稳定 来自 BDS2006
下面是我的代码，用于解决 PE 问题 7(“找到第 10001 个素数”): #include using namespace std; bool isPrime(int n, int primes
我有两个 float 元素，右边和左边。 它们的父元素都是 text-align: center, margin: auto: 1. text 999 ' style='curso
我正在为我的 UI 元素制作一个简单的动画。 我有一个动画组件，它有 2 个不同的动画 - ZoomIn 和 ZoomOut。 每当需要在屏幕上显示 UI 元素(例如按钮)时，就会显示这些动画。 我通
我正在使用 .net 3.5 和 vb.net。我对下面提到的每种加密的内部工作知之甚少。我只使用 .net 类库中提供的类。 我有一段信息已经用 TripleDes 加密，然后是 Rijndael，
我有一个关于正确设计 php 文件及其在服务器上的存储的一般性问题。 问题是这样的:我将一个 php 对象的函数拆分到不同的 php 文件中，例如: 文件 1 AndroidFlashCard.php
我在地址表单输入上有自动完成功能。当用户点击建议时，州和邮政编码信息会自动填充。cp_state 是带有状态名称下拉列表的选择框，而cp_zipcode 是邮政编码的输入文本。 我使用下面的 java
我试图按顺序选择记录，但随机限制。 SELECT * FROM tm_winners WHERE paid_out=0 ORDER BY DESC LIMIT RAND(4,8) 但是，我似乎无法随机
我有一张这样的表，我想选取 20 位 HitTest 门的歌手并按字母顺序对他们(这 20 位歌手)进行排序。 id name hit --------------
我正在尝试使用受风影响的雨粒子，也就是 physicsWorld 重力。 我可以看到重力确实对我的 SKSpriteNode 有影响，但我无法对 SKEmitterNode 产生相同的影响。 我只是想
我有一个问题，我在网站加载时调用淡入，但由于 css 过渡效果，元素变为完全不透明，立即淡出然后淡入，我试图找到解决这个问题的方法，因为它看起来很糟糕 jQuery $(window).on("loa
我定义了一个容器元素，包含一个float div和一个ul，并且 ul 元素包含一些 float li 元素。我想清除 ul 的 float ，但 ul 的高度受其 float 兄弟元素的影响。这是
我想使用一项服务。我 100% 确信该服务可以正常工作。 服务电话 public void add(User user) { ConnectionRequest con = new Connectio
如果您在桌面/PC 上访问某人的 instagram 页面，单击搜索栏时，它会向左浮动，然后可以输入文本进行搜索。当搜索字段中没有文本时，搜索图标和“搜索”占位符会回到原来的中心位置。 我假设 jav
我是一名优秀的程序员,十分优秀！