BeautifulSoup除了可以查找和定位网页内容,还可以修改网页。修改意味着可以增加或删除标签,改变标签名字,变更标签属性,改变文本内容等等。
每一个标签在BeautifulSoup里面都被当作一个标签对象,这个对象可以执行以下任务:
- 修改标签名
- 修改标签属性
- 增加新标签
- 删除存在的标签
- 修改标签的文本内容
修改标签的名字
只需要修改.name参数就可以修改标签名字。
- producer_entries.name = "div"<span style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);">怎么办嘛</span><img src="file:///C:\Users\ADMINI~1\AppData\Local\Temp\~LWHD)}S}%DE5RTOO[CVEI1.gif" sysface="15" style="font-family: Arial, Helvetica, sans-serif; background-color: rgb(255, 255, 255);" alt="" />
修改标签的属性
修改标签的属性如class,id,style等。因为属性以字典形式储存,所以改变标签属性就是简单的处理Python的字典。
更新已经存在属性的标签
可以参照如下代码:
- producer_entries['id']="producers_new_value"
为一个标签增加一个新的属性
比如一个标签没有class属性,那么可以参照如下代码增加class属性,
- producer_entries['class']='newclass'
删除标签属性
使用del操作符,示例如下:
- del producer_entries['class']
增加一个新的标签
BeautifulSoup有new_tag()方法来创造一个新的标签。然后可以使用append(),insert(),insert_after()或者insert_before()等方法来对新标签进行插入。
增加一个新生产者,使用new_tag()然后append()
参照前面例子,生产者除了plants和alage外,我们现在添加一个phytoplankton.首先,需要先创造一个li标签。
用new_tag()创建一个新标签
new_tag()方法只能用于BeautifulSoup对象。现在创建一个li对象。
- soup = BeautifulSoup(html_markup,"lxml")
- new_li_tag = soup.new_tag("li")
new_tag()对象必须的参数是标签名,其他标签属性参数或其他参数都是可选参数。举例:
- new_atag=soup.new_tag("a",href="www.example.com")
- new_li_tag.attrs={'class':'producerlist'}
使用append()方法添加新标签
append()方法添加新标签于,contents之后,就跟python列表方法append()一样。
- producer_entries = soup.ul
- producer_entries.append(new_li_tag)
li标签是ul标签的子代,添加新标签后的输出结果。
<ul >
<li class="producerlist">
<div class="name">
plants
</div>
<div class="number">
100000
</div>
</li>
<li class="producerlist">
<div class="name">
algae
</div>
<div class="number">
100000
</div>
</li>s
<li class="producerlist">
</li>
</ul>
使用insert()向li标签中添加新的div标签
append()在.contents之后添加新标签,而insert()却不是如此。我们需要指定插入的位置。就跟python中的Insert()方法一样。
- new_div_name_tag=soup.new_tag("div")
- new_div_name_tag["class"]="name"
- new_div_number_tag=soup.new_tag("div")
- new_div_number_tag["class"]="number"
先是创建两个div标签
- new_li_tag.insert(0,new_div_name_tag)
- new_li_tag.insert(1,new_div_number_tag)
- print(new_li_tag.prettify())
然后进行插入,输出效果如下:
<li class_="producerlist">
<div class="name">
</div>
<div class="number">
</div>
</li>
改变字符串内容
在上面例子中,只是添加了标签,但标签中却没有内容,如果想添加内容的话,BeautifulSoup也可以做到。
使用.string修改字符串内容
比如:
- new_div_name_tag.string="phytoplankton"
- print(producer_entries.prettify())
输出如下:
<ul >
<li class="producerlist">
<div class="name">
plants
</div>
<div class="number">
100000
</div>
</li>
<li class="producerlist">
<div class="name">
algae
</div>
<div class="number">
100000
</div>
</li>
<li class="producerlist">
<div class="name">
phytoplankton
</div>
<div class="number">
</div>
</li>
</ul>
使用.append/(),insert(),和new_string()添加字符串
使用append()和insert()的效果就跟用在添加新标签中一样。比如:
- new_div_name_tag.append("producer")
- print(soup.prettify())
输出:
- <html>
- <body>
- <div class="ecopyramid">
- <ul id="producers">
- <li class="producerlist">
- <div class="name">
- plants
- </div>
- <div class="number">
- 100000
- </div>
- </li>
- <li class="producerlist">
- <div class="name">
- algae
- </div>
- <div class="number">
- 100000
- </div>
- </li>
- <li class="producerlist">
- <strong><div class="name">
- phytoplankton
- producer
- </div>
- </strong><div class="number">
- </div>
- </li>
- </ul>
- </div>
- </body>
- </html>
还有一个new_string()方法,
- new_string_toappend = soup.new_string("producer")
- new_div_name_tag.append(new_string_toappend)
从网页中删除一个标签
删除标签的方法有decomose()和extract()方法
使用decompose()删除生产者
我们现在移去class="name"属性的div标签,使用decompose()方法。
- third_producer = soup.find_all("li")[2]
- div_name = third_producer.div
- div_name.decompose()
- print(third_producer.prettify())
输出:
<li class_="producerlist">
<div class_="number">
10000
</div>
</li>
decompose()方法会移去标签及标签的子代。
使用extract()删除生产者
extract()用于删除一个HTMNL文档中昂的标签或者字符串,另外,它还返回一个被删除掉的标签或字符串的句柄。不同于decompose(),extract也可以用于字符串。
- third_producer_removed=third_producer.extract()
- print(soup.prettify())
使用BeautifulSoup删除标签的内容
标签可以有一个NavigableString对象或tag对象作为子代。删除掉这些子代可以使用clear()
举例,可以移掉带有plants的div标签和 相应的class=number属性标签。
- li_plants=soup.li
- li_plants.clear()
输出:
<li class="producerlist"></li>
可以看出跟li相关的标签内容被删除干净。
修改内容的特别函数
除了我们之前看到的那些方法,BeautifulSoup还有其他修改内容的方法。
- Insert_after()和Insert_before()方法:
这两个方法用于在标签或字符串之前或之后插入标签或字符串。这个方法需要的参数只有NavigavleString和tag对象。
- soup = BeautifulSoup(html_markup,"lxml")
- div_number = soup.find("div",class_="number")
- div_ecosystem = soup.new_tag("div")
- div_ecosystem['class'] = "ecosystem"
- div_ecosystem.append("soil")
- div_number.insert_after(div_ecosystem)
- print(soup.prettify())
输出:
<html>
<body>
<div class="ecopyramid">
<ul >
<li class="producerlist">
<div class="name">
plants
</div>
<div class="number">
100000
</div>
<div class="ecosystem">
soil
</div>
</li>
<li class="producerlist">
<div class="name">
algae
</div>
<div class="number">
100000
</div>
</li>
</ul>
</div>
</body>
</html>
- replace_with()方法:
这个方法用于用一个新的标签或字符串替代原有的标签或字符串。这个方法把一个标签对象或字符串对象作为输入。replace_with()会返回一个被替代标签或字符串的句柄。
- soup = BeautifulSoup(html_markup,"lxml")
- div_name =soup.div
- div_name.string.replace_with("phytoplankton")
- print(soup.prettify())
replace_with()同样也可以用于完全的替换掉一个标签。
- wrap()和unwrap()方法:
wrap()方法用于在一个标签或字符串外包裹一个标签或字符串。比如可以用一个div标签包裹li标签里的全部内容。
- li_tags = soup.find_all("li")
- for li in li_tags:
- <span style="white-space:pre"> </span>new_divtag = soup.new_tag("div")
- <span style="white-space:pre"> </span>li.wrap(new_divtag)
- print(soup.prettify())
而unwrap()就跟wrap()做的事情相反。unwrap()和replace_with()一样会返回被替代的标签句柄。
本站文章如无特殊说明,均为本站原创,如若转载,请注明出处:python爬虫:使用BeautifulSoup修改网页内容 - Python技术站