python - 使用 BeautifulSoup 更新 HTML 文件

Question

我希望能够保存使用 BeautifulSoup 对 HTML 文件所做的更改。我的脚本目前能够找到 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输出文件中反射(reflect)的这些更改，因为汤似乎没有更新。

更新以反射(reflect)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标签 new_tag = soup.new_tag("a", href=g.get_first_url())，但您尚未实际插入 new_tag在 HTML 代码中，您仅将其分配给变量 new_tag。

您需要使用 BeatifulSoup 提供的 insert() 或 append() 方法，以便将标签实际放置在 html 中。

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()