Hol*_*rel 10 python beautifulsoup html-parsing html-entities web-scraping
我想从网上刮一张桌子,并保持 实体完好无损,以便我以后可以重新发布为HTML.尽管如此,BeautifulSoup似乎正在将这些转换为空间.例:
from bs4 import BeautifulSoup
html = "<html><body><table><tr>"
html += "<td> hello </td>"
html += "</tr></table></body></html>"
soup = BeautifulSoup(html)
table = soup.find_all('table')[0]
row = table.find_all('tr')[0]
cell = row.find_all('td')[0]
print cell
观察结果:
<td> hello </td>
要求的结果:
<td> hello </td>
在bs4中convertEntities,不再支持BeautifulSoup构造函数的参数.HTML实体始终转换为相应的Unicode字符(请参阅docs).
根据文档,您需要使用输出格式化程序,如下所示:
print soup.find_all('td')[0].prettify(formatter="html")
| 归档时间： |
|
| 查看次数： |
2378 次 |
| 最近记录： |