Как сделать чтобы BeautifulSoup не форматировал html строку?

Question

Yupiter7575 @yupiter7575

Python программист

Как сделать чтобы BeautifulSoup не форматировал html строку?

До этого момента bs4 полностью устраивал. Но вот возникла проблема, а точнее задача. На сервер загружается html документ, и нужно из него нужно взять все что находится в контейнере body, решил эту проблему так:

def GetBody(p):
    with io.open(p, 'r', encoding='utf-8') as f:
        soup = bs(f.read(), features='lxml')
        body = str(soup.find('body'))
    return body[6:-7]

Вроде все работает, но beautifulsoup форматирует строку в строгий синтаксис html5, а в файле может так же находится jinja2 или что-то подобное. Как сделать что бы bs не форматировал строку?

Вопрос задан более трёх лет назад
99 просмотров

2 комментария

Подписаться 1 Средний 2 комментария

Решения вопроса 1

6 комментариев

Yupiter7575 @yupiter7575 Автор вопроса

Допустим вот такой документ:

<!DOCTYPE html>
<html lang="en">
<head>
    <meta charset="UTF-8">
    <meta http-equiv="X-UA-Compatible" content="IE=edge">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Document</title>
</head>
<body>
    <div>
        <img src="test.png" alt="hello world">
        {% if isHello==1%}
        {{ hello }}
        {% endif %}
    </div>
</body>
</html>

Функция которая это обрабатывает находится в вопросе. На выходе получаю это:

<div>
<img alt="hello world" src="test.png"/>

    </div>

Может ли это происходить из-за библиотеки io?

Написано более трёх лет назад

soremix @SoreMix Куратор тега Python
Yupiter7575,

<div> <img alt="hello world" src="test.png"/> {% if isHello==1%} {{ hello }} {% endif %} </div> ***Repl Closed***

Это в локальном файле такой контент?
Написано более трёх лет назад
Yupiter7575 @yupiter7575 Автор вопроса

soremix, Да, я его для пример создал

Написано более трёх лет назад
soremix @SoreMix Куратор тега Python
Yupiter7575,

а если так

body = soup.find('body').contents[1] return body

или так

body = soup.find('body').text return body

Он не должен срезать jinja теги, для него это просто текст, который вполне себе лежит в файле
Написано более трёх лет назад
Yupiter7575 @yupiter7575 Автор вопроса

soremix, Да, первый способ сработал. А вот второй удалил все теги и оставил только jinj'у

Написано более трёх лет назад
soremix @SoreMix Куратор тега Python

Yupiter7575, во втором можно попробовать индекс поменять, ну или просто посмотреть что там в soup.find('body').contents лежит

Написано более трёх лет назад

Пригласить эксперта

Ваш ответ на вопрос

Войдите, чтобы написать ответ

Похожие вопросы

Python

+1 ещё

Простой
Почему Pyrogram не читает сообщение с каналов у которых больше 1к подписчиков?
- 1 подписчик
- 6 часов назад
- 22 просмотра
0

ответов
Python

+1 ещё

Средний
Как изменить скрипт бота что-бы Zabbix мог присылать уведомления, а не только тест?
- 1 подписчик
- 8 часов назад
- 22 просмотра
0

ответов
Python

Простой
Как вернуть значение из строки?
- 1 подписчик
- 14 часов назад
- 67 просмотров
1

ответ
Python

+1 ещё

Простой
Почему парсер PDF документов не работает с несколькими тегами?
- 1 подписчик
- 16 часов назад
- 42 просмотра
1

ответ
Python

+1 ещё

Средний
Почему в Python последовательность append-ов суммируется в O(n), а не в O(n logn)?
- 1 подписчик
- 19 часов назад
- 80 просмотров
2

ответа
Python

Простой
Почему в Python sqlite3 выводится из таблицы переменная вот так вот(3,)?
- 1 подписчик
- вчера
- 151 просмотр
2

ответа
Python

+1 ещё

Простой
Как исправить ошибку 2003 при подключении к БД?
- 1 подписчик
- вчера
- 112 просмотров
1

ответ
Python

+1 ещё

Простой
Как пофиксить selenium.common.exceptions.ElementClickInterceptedException?
- 1 подписчик
- вчера
- 32 просмотра
1

ответ
Python

Простой
Как исправить ошибку имени пользователя в консоли вс код?
- 1 подписчик
- 21 нояб.
- 89 просмотров
2

ответа
Python

+1 ещё

Средний
Как определить координаты совпадающих фигур?
- 1 подписчик
- 21 нояб.
- 86 просмотров
2

ответа
Показать ещё Загружается…

Senior Python Developer (Кипр)

Wanted. • Лимассол

До 6 000 €

Python разработчик

Гринатом • Москва

от 150 000 ₽

Python разработчик (офис)

SpectrumData • Екатеринбург

от 150 000 до 250 000 ₽

Поправить сайт (мобильная версия) на WordPress

24 нояб. 2024, в 04:16

5000 руб./за проект

Необходимо поменять пароль в WINDOWS

24 нояб. 2024, в 03:11

500 руб./за проект

Требуется консультация по UX-дизайну казино

24 нояб. 2024, в 01:35

5000 руб./за проект

Всмысле форматирует? Тоесть bs4 сам расставляет теги?
Alexa2007, допустим у меня в файле есть тег:
<img src='lol.jpg' alt='hello world'>
Создаю обьект bs, на выходе получаю такое:
<img alt='hello world' src='lol.jpg' />
А если там лежит что то что не является тегом, пример jinja2:
{{ hello world }}
То он просто это удаляет

Answer 1 · 2021-05-06 11:12:59

soremix @SoreMix Куратор тега Python

yellow

Он не должен обрезать другие теги, ему без разницы, это просто текст. Пример файла?

Ответ написан более трёх лет назад

6 комментариев

Как сделать чтобы BeautifulSoup не форматировал html строку?

Войдите, чтобы написать ответ

Минуточку внимания

Войдите на сайт