Прекрасный суп - как мы можем получить элементы перед элементом <head>? - PullRequest
0 голосов
/ 13 сентября 2018

Если у меня есть html, как показано ниже, и я использую красивый суп для его анализа, как я могу получить доступ к строкам перед элементом <head>.

<?xml version="1.0" encoding="utf-8" standalone="no"?>
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN"
  "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd">

<html xmlns="http://www.w3.org/1999/xhtml">
<head>

Например, стандартный способ доступа к элементу head - soup.head или тело - soup.body.Я предполагаю, что это потому, что голова и тело являются стандартными тегами.

Есть ли способ получить доступ к элементам до <head>?

1 Ответ

0 голосов
/ 14 сентября 2018

Вы можете, выбрав тег head и зацикливая предыдущие элементы:

from bs4 import BeautifulSoup
from w3lib.html import remove_tags

html= '<?xml version="1.0" encoding="utf-8" standalone="no"?><!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.1//EN"  "http://www.w3.org/TR/xhtml11/DTD/xhtml11.dtd"><html xmlns="http://www.w3.org/1999/xhtml"><head>'

soup= BeautifulSoup(html,"html.parser")
x= soup.head

while x.previous_element != None:   

if not isinstance(x.previous_element, bs4.element.Tag):
    p = x.previous_element.PREFIX + str(x.previous_element) + 

x.previous_element.SUFFIX
        prev_head = prev_head + p
    else:
        prev_head = str(x.previous_element) + prev_head

    x = x.previous_element

prev_head = remove_tags(prev_head, which_ones= ("head",))

BeautifulSoup(prev_head)

После этого процесса у вас будет весь код выше <head> в prev_head в виде строки. Затем вы можете BeautifulSoup(prev_head) чтобы получить объект BS для последующего использования.


PS: обратите внимание, что я удалил тег <head>, потому что <html> это первый previous_element.Я также отформатировал элементы без тегов, потому что их формат flat str не включает их префикс и суффикс, что делает их недоступными для использования в объекте BS.

Добро пожаловать на сайт PullRequest, где вы можете задавать вопросы и получать ответы от других членов сообщества.
...