Skip to main content
 首页 » 编程设计

python之Beautiful Soup tag.contents 项目从不同的汤实例中删除

2025年05月04日13lexus

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。