溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章主要介紹了Python怎么使用BeautifulSoup4修改網頁內容的相關知識，內容詳細易懂，操作簡單快捷，具有一定借鑒價值，相信大家閱讀完這篇Python怎么使用BeautifulSoup4修改網頁內容文章都會有所收獲，下面我們一起來看看吧。
最近有個小項目，需要爬取頁面上相應的資源數據后，保存到本地，然后將原始的HTML源文件保存下來，對HTML頁面的內容進行修改將某些標簽整個給替換掉。
對于這類需要對HTML進行操作的需求，最方便的莫過于 BeautifulSoup4 的庫了。
樣例的HTML代碼如下：
<html> <body> <a class="videoslide" href="https://cache.yisu.com/upload/information/20220520/112/4792.JPG" rel="external nofollow" rel="external nofollow" > <img src="https://cache.yisu.com/upload/information/20220520/112/4794.JPG" data-zy-media-id="zy_location_201310151613422786"/> </a> <a href="https://cache.yisu.com/upload/information/20220520/112/4795.JPG" rel="external nofollow" rel="external nofollow" > <img data-zy-media-id="zy_image_201310151613169945" src="https://cache.yisu.com/upload/information/20220520/112/4796.JPG"/></a> <a href="https://cache.yisu.com/upload/information/20220520/112/4797.jpg" rel="external nofollow" rel="external nofollow" > <img data-zy-media-id="zy_image_201310151613163009" src="https://cache.yisu.com/upload/information/20220520/112/4798.jpg"/> </a> <a href="https://cache.yisu.com/upload/information/20220520/112/4799.jpg" rel="external nofollow" rel="external nofollow" > <img data-zy-media-id="zy_image_201312311838584446" src="https://cache.yisu.com/upload/information/20220520/112/4800.jpg"/> </a> </body> </html>
這里主要包括了 <a > 標簽， <a > 標簽里面嵌入了 <img > 標簽，其中有 <a class="videoslide"> 的標識該標簽實際是可以播放動畫的。需要根據 class="videoslide" 來判斷將整個 <a > 標簽換成播放器的 <video > 標簽，將沒有 class="videoslide" 的 <a > 標簽換成 <figure> 標簽。
也就是將帶有的 <a class="videoslide" ...><img ... /></a> 標簽換成
<div class="video"> <video controls width="100%" poster="視頻鏈接的圖片地址.jpg"> <source src="視頻文件的靜態地址.mp4" type="video/mp4" /> 您的瀏覽器不支持H5視頻，請使用Chrome/Firefox/Edge瀏覽器。 </video> </div>
將 <a ....><img .../></a> 標簽換成
<figure> < img src="圖片地址_compressed.jpg" data-zy-media-id="圖片地址.jpg"> <figcaption>文字說明（如果有）</figcaption> </figure>
這里通過BeautifulSoup4 的select()方法找到標簽，通過get()方法獲取標簽及標簽屬性值，通過replaceWith來替換標簽，具體代碼如下：
首先安裝BeautifulSoup4的庫，BeautifulSoup4庫依賴于lxml庫，所以也需要安裝lxml庫。
pip install bs4 pip install lxml
具體代碼實現如下：
import os
from bs4 import BeautifulSoup
htmlstr='<html><body>' \
'<a class="videoslide" href="https://cache.yisu.com/upload/information/20220520/112/4792.JPG" rel="external nofollow" rel="external nofollow" >' \
'<img src="https://cache.yisu.com/upload/information/20220520/112/4794.JPG" data-zy-media-id="zy_location_201310151613422786"/></a>' \
'<a href="https://cache.yisu.com/upload/information/20220520/112/4795.JPG" rel="external nofollow" rel="external nofollow" >' \
'<img data-zy-media-id="zy_image_201310151613169945" src="https://cache.yisu.com/upload/information/20220520/112/4796.JPG"/></a>' \
'<a href="https://cache.yisu.com/upload/information/20220520/112/4797.jpg" rel="external nofollow" rel="external nofollow" >' \
'<img data-zy-media-id="zy_image_201310151613163009" src="https://cache.yisu.com/upload/information/20220520/112/4798.jpg"/></a>' \
'<a href="https://cache.yisu.com/upload/information/20220520/112/4799.jpg" rel="external nofollow" rel="external nofollow" >' \
'<img data-zy-media-id="zy_image_201312311838584446" src="https://cache.yisu.com/upload/information/20220520/112/4800.jpg"/></a>' \
'</body></html>'
def procHtml(htmlstr):
soup = BeautifulSoup(htmlstr, 'lxml')
a_tags=soup.select('a')
for a_tag in a_tags:
a_tag_src = a_tag.get('href')
a_tag_filename = os.path.basename(a_tag_src)
a_tag_path = os.path.join('src', a_tag_filename)
a_tag['href']=a_tag_path
next_tag=a_tag.next
#判斷是視頻還是圖片，如果a標簽帶了class="videoslide" 是視頻否則是圖片
if a_tag.get('class') and 'videoslide'==a_tag.get('class')[0]:
# 處理視頻文件
media_id = next_tag.get('data-zy-media-id')
if media_id:
media_url = 'http://www.test.com/travel/show_media/' + str(media_id)+'.mp4'
media_filename = os.path.basename(media_url)
media_path = os.path.join('src', media_filename)
# 將div.video標簽替換a標簽
video_html = '<div class=\"video\"><video controls width = \"100%\" poster = \"' + a_tag_path + '\" ><source src = \"' + media_path + '\" type = \"video/mp4\" /> 您的瀏覽器不支持H5視頻，請使用Chrome / Firefox / Edge瀏覽器。 </video></div>'
video_soup = BeautifulSoup(video_html, 'lxml')
a_tag.replaceWith(video_soup.div)
else:
#獲取圖片信息
if 'img'==next_tag.name:
img_src=next_tag.get('src')
# 判斷是否路徑是否為本地資源 data:image和file:
if img_src.find('data:image') == -1 and img_src.find('file:') == -1:
img_filename = os.path.basename(img_src)
img_path = os.path.join('src', img_filename)
# 將<figure><img>標簽替換a標簽
figcaption=''
figure_html='<figure><img src=\"'+img_path+'\" data-zy-media-id=\"'+a_tag_path+'\"><figcaption>'+figcaption+'</figcaption></figure>'
figure_soup = BeautifulSoup(figure_html, 'lxml')
a_tag.replaceWith(figure_soup.figure)
html_content = soup.contents[0]
return html_content
if __name__ == '__main__':
pro_html_str=procHtml(htmlstr)
print(pro_html_str)結果:
<html> <body> <div class="video"> <video controls="" poster="src\1381824922.JPG" width="100%"> <source src="src\zy_location_201310151613422786.mp4" type="video/mp4"/> 您的瀏覽器不支持H5視頻，請使用Chrome / Firefox / Edge瀏覽器。 </video> </div> <figure> <img data-zy-media-id="src\第一張_1381824798.JPG" src="src\第一張_1381824798_zy_compress.JPG"/> <figcaption></figcaption> </figure> <figure> <img data-zy-media-id="src\第二張_1381824796.jpg" src="src\第二張_1381824796_zy_compress.jpg"/> <figcaption></figcaption></figure> <figure> <img data-zy-media-id="src\第三張.jpg" src="src\第三張_zy_compress.jpg"/> <figcaption></figcaption> </figure> </body> </html>
關于“Python怎么使用BeautifulSoup4修改網頁內容”這篇文章的內容就介紹到這里，感謝各位的閱讀！相信大家對“Python怎么使用BeautifulSoup4修改網頁內容”知識都有一定的了解，大家如果還想學習更多知識，歡迎關注億速云行業資訊頻道。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
