不知何故,如果我将 BeautifulSoup 实例“a”的内容插入到实例“b”中,它将从实例“a”中删除。这有意义吗?
a = BeautifulSoup('<p>0</p><p>1</p>')
b = BeautifulSoup('<p>2</p>')
additions = a.body.contents
while additions:
b.body.insert(0, additions[-1])
'a' 会变成这样
<html><body></body></html>
'b' 会变成这样
<html><body><p>0</p><p>1</p><p>2</p></body></html>
抛开无限循环不谈,我希望“a”保持不变。我只是没有正确阅读文档吗?
如果我在循环之前制作“additions”的副本(类似 not_a_problem = additions[:] ),则该副本未被修改——这意味着它将有 [<p>0</p>, <p>1</p>]作为其值(value)
请您参考如下方法:
如果您访问 a.body.contents你得到的不是字符串列表,而是 BeautifulSoup 的 Tag 列表。对象。 对于这些Tag对象,BeautifulSoup 使用与 HTML/XML DOM 元素相似的语义。
例如,Tag对象有一个 parent属性,它包含当前 HTML (BeautifulSoup) 文档树中该标签的父级。
如果你将一个标签插入到不同的 BeautifulSoup 文档中,你插入它的标签将成为它的新父标签,并且由于它不能保留它的旧父标签,它会从旧文档中删除。那是因为每个标签都有一个且只有一个父标签。
就像一棵树的任何元素只能是一棵树的一部分,而不是两棵树。否则你最终会遇到这样的情况,其中一个标签有一个子列表,其中一些子标签的父标签与这个标签不同,因为它们已被移动到其他标签。至少这可能令人困惑。因此,当您在不同位置插入标签时,它会从原来的位置分离。
例如在您的情况下 a和 b最初的树结构如下:
a = Tag(html) b = Tag(html)
| |
Tag(body) Tag(body)
/ \ |
Tag(p) Tag(p) Tag(p)
| | |
Str('0') Str('1') Str('2')
(Str 是 BeautifulSoups 的 NavigableString 的简写,大致对应于 DOM 中的 TextNode)
现在当你移动第二个时 p来自 a 的标签进入b '正文通过b.body.insert(0, a.body.contents[-1]) , b 的结构现在看起来像:
b = Tag(html)
|
Tag(body)
/ \
Tag(p) Tag(p)
| |
Str('1') Str('2')
但是,parent这个标签现在是 b 的主体,不再是 a 的那个.如果a.body其内容中仍然有标签,您将拥有一个无效数据结构,如
a = Tag(html) Tag(html) = b
| |
Tag(body) Tag(body)
/ \ / \
Tag(p) Tag(p) Tag(p)
| | |
Str('0') Str('1') Str('2')
那不行; <p>1</p>包含在 b 中, 如果它仍然在 contents 中的 a.body ,那么你会遇到这样的情况,其中一个元素在 a.body.contents 中有一个 parent这不是 a.body.contents本身。
相反,您最终(正如您正确观察到的那样)使用如下数据结构:
a = Tag(html) b = Tag(html)
| |
Tag(body) Tag(body)
| / \
Tag(p) Tag(p) Tag(p)
| | |
Str('0') Str('1') Str('2')
据我所知,文档中没有提及,可能是因为文档的作者认为这是“每个人都知道”的事情。
如果你想在文档树之间复制标签对象,你需要克隆它们;然后你可以得到类似的东西:
a = Tag(html) b = Tag(html)
| |
Tag(body) Tag(body)
/ \ / \
Tag(p) Tag(p) Tag(p) Tag(p)
| | | |
Str('0') Str('1') Str('1') Str('2')
在这种情况下,请查看 clone element with beautifulsoup怎么做。这并不那么简单,因为您需要对所有相关数据进行深拷贝。
