【问题标题】：Insert html string into BeautifulSoup object将 html 字符串插入 BeautifulSoup 对象
【发布时间】：2015-09-22 15:55:11
【问题描述】：

我正在尝试将 html 字符串插入 BeautifulSoup 对象。如果我直接插入它，bs4 会清理 html。如果获取 html 字符串并从中创建汤，并插入我在使用 find 函数时遇到问题。 SO 上的This post thread 建议插入 BeautifulSoup 对象可能会导致问题。我正在使用该帖子中的解决方案，并在每次插入时重新创建汤。

但肯定有更好的方法将 html 字符串插入汤中。

编辑：我将添加一些代码作为问题所在的示例

from bs4 import BeautifulSoup

mainSoup = BeautifulSoup("""
<html>
    <div class='first'></div>
    <div class='second'></div>
</html>
""")

extraSoup = BeautifulSoup('<span class="first-content"></span>')

tag = mainSoup.find(class_='first')
tag.insert(1, extraSoup)

print mainSoup.find(class_='second')
# prints None

【问题讨论】：

你能展示一下你的html 和预期的结果吗？
@user3100115 如果有帮助，我添加了一些非常简单的代码作为示例。
嗨，您是否找到了无需创建新标签的解决方案？

标签： python beautifulsoup

【解决方案1】：

最好的方法是创建一个新标签span 并将其插入您的mainSoup。这就是.new_tag 方法的用途。

In [34]: from bs4 import BeautifulSoup

In [35]: mainSoup = BeautifulSoup("""
   ....: <html>
   ....:     <div class='first'></div>
   ....:     <div class='second'></div>
   ....: </html>
   ....: """)

In [36]: tag = mainSoup.new_tag('span')

In [37]: tag.attrs['class'] = 'first-content'

In [38]: mainSoup.insert(1, tag)

In [39]: print(mainSoup.find(class_='second'))
<div class="second"></div>

【讨论】：

【解决方案2】：

如果您已经有一个 html 字符串，最简单的方法是插入另一个 BeautifulSoup 对象。

from bs4 import BeautifulSoup

doc = '''
<div>
 test1
</div>
'''

soup = BeautifulSoup(doc, 'html.parser')

soup.div.append(BeautifulSoup('<div>insert1</div>', 'html.parser'))

print soup.prettify()

输出：

<div>
 test1
<div>
 insert1
</div>
</div>

更新 1

这个怎么样？想法是使用 BeautifulSoup 生成正确的 AST 节点（span 标签）。看起来这样可以避免“无”问题。

import bs4
from bs4 import BeautifulSoup

mainSoup = BeautifulSoup("""
<html>
    <div class='first'></div>
    <div class='second'></div>
</html>
""", 'html.parser')

extraSoup = BeautifulSoup('<span class="first-content"></span>', 'html.parser')
tag = mainSoup.find(class_='first')
tag.insert(1, extraSoup.span)

print mainSoup.find(class_='second')

输出：

<div class="second"></div>

【讨论】：

明确声明解析器有何不同？
实际上，我们不仅在声明解析器，还在为插入的 html 创建一个全新的解析树。 BeautifulSoup(x) 不是一个标记，它实际上做了一个解析，结果是一个汤对象。
对不起，如果这很粗鲁，您是否完整阅读了我的帖子？我已经提到我已经尝试插入一个 BeautifulSoup 对象并且它会导致问题。这就是我寻找更好方法的原因。
beautifulsoup4 版本 4.4.1 有问题 - 使用汤方法（任何）修改汤树时会损坏。解决方法是使用 html5lib 解析器，如 tag.append( BeautifulSoup('<span class="first-content"></span>', 'html5lib') )