Desarrollo de Python
  1. Desarrollo de Python
  3. Beautiful Soup reemplaza <con & lt;
Intereting Posts
Reconocimiento de entidad con nombre NLTK con datos personalizados Desarrollando una aplicación web en python con neo4j. El ‘site.py’ de Python desapareció después de la actualización de Yosemite. Esta bien ¿Número variable de entradas con formas Django posibles? Carga de imágenes en Google App Engine Convertir una cadena latina a Unicode en Python ¿Cómo interpretar los resultados de Clusters después de usar Doc2vec? ¿Cómo establecer opciones en dynamic con el campo de elección de Django? punto de mira en el zoom ¿Cómo selecciono elementos dentro de un iframe con Xpath? Usando exponenciación ** 0.5 menos eficiente que math.sqrt? Cálculo de la entropía de GLCM de una imagen. Python / wxPython: trabajando continuamente en segundo plano Cortando la matriz usando otra matriz como los índices de la rebanada a lo largo del eje Eficiencia de usar una lista de Python como una cola

Beautiful Soup reemplaza <con & lt;

He encontrado el texto que quiero reemplazar, pero cuando imprimo una soup el formato cambia.

stuff here

convierte en <div id="content">stuff here</div> . ¿Cómo puedo preservar los datos? He intentado print(soup.encode(formatter="none")) , pero eso produce el mismo formato incorrecto. 

 from bs4 import BeautifulSoup with open(index_file) as fp: soup = BeautifulSoup(fp,"html.parser") found = soup.find("div", {"id": "content"}) found.replace_with(data)

Cuando imprimo found , obtengo el formato correcto: 

 >>> print(found) 
stuff

index_file contenidos de index_file están abajo: 

    Apples   
 This is the Id of the page 
 
 stuff here 
 
 footer should go here

El objeto found no es una cadena de Python, es una Tag que tiene una buena representación de cadena. Puedes verificar esto haciendo 

 type(found)

Una Tag es parte de la jerarquía de objetos que crea Beautiful Soup para que puedas interactuar con el HTML. Otro de esos objetos es NavigableString . NavigableString se parece mucho a una cadena, pero solo puede contener elementos que se incluirían en la parte del contenido del HTML.

Cuando tu lo hagas 

 found.replace_with('
stuff here
')

le está pidiendo a la Tag que se reemplace con un NavigableString que contenga ese texto literal. La única forma en que HTML puede mostrar esa cadena es escapar de todos los corchetes angulares, como está haciendo.

En lugar de ese desastre, es probable que desee conservar su Tag y reemplazar solo su contenido: 

 found.string.replace_with('stuff here')

Observe que el reemplazo correcto no intenta sobrescribir las tags.

Cuando lo hace found.replace_with(...) , el objeto al que se hace referencia por el nombre found se reemplaza en la jerarquía principal. Sin embargo, el nombre found sigue apuntando al mismo objeto obsoleto que antes. Es por eso que la impresión de soup muestra la actualización, pero la impresión found no lo hace.