让BeautifulSoup正确解析php标签或忽略它们

文章/答案/技术大牛

发布

1回答

php、python、parsing、beautifulsoup、html-parsing

我目前需要解析大量的.phtml文件，获取特定的html标签，并为其添加自定义数据属性。我正在使用python美观汤来解析整个文档并添加标签，这一部分工作得很好。问题是在视图文件(phtml)上也有被解析的标签。以下是输入-输出的示例输入 <?php $stars = $this-> getData

浏览 27提问于2019-04-24得票数 0

1回答

不含内标及特殊标签，配以美汤

python、html、web-scraping、beautifulsoup

我正试图解析看起来像<div><li><label>Tournament Name</label>TCG Saturday</li>for lis in soup.find_all('li'):但这也会导致阅读标签<

浏览 1提问于2018-04-12得票数 1

回答已采纳

5回答

使用BeautifulSoup解析文档，而不解析<code>标记的内容

python、html、django、beautifulsoup、pygments

我想允许评论作者使用一些标签(如<strong>，a等)，但禁用所有其他标签。#include <stdio.h> {}问题是，当我使用BeautifulSoup

浏览 0提问于2010-10-24得票数 10

1回答

BeautifulSoup 'AttributeError‘

python、beautifulsoup

from BeautifulSoup import BeautifulSoup print ((BeautifulSoup(((urlopen(url

浏览 0提问于2012-05-16得票数 1

回答已采纳

1回答

一个简单的问题:切换到静态html模式并返回，或者在不同的平台上停留在执行模式。

php

在没有条件语句的情况下，考虑命名变量x、y和z，它们被定义为基本的字符串变量--从查询或诸如此类的东西中提取。在PHP文件中，在网页中读回这样的内容可能如下所示： <?php$y= blah, blah, blah; echo "<p>$x</p>/n<p>$y</p>/n</php echo $

浏览 6提问于2021-04-02得票数 0

3回答

浏览器如何处理格式错误的HTML？

html、parsing、browser

我有一个要解析的文档集合。与HTML一样，它们的结构也相当好，语法/语法也很复杂。同样像HTML一样，许多文档并不完全遵循所需的语法。我的问题是，在解析不严格遵循正确语法的文档时，浏览器和HTML/XML解析库使用哪些常规策略？它们似乎很好地处理了放错位置或丢失的标签。我确信还有其他的情况，比如拼写错误的标签，不正确的属性等，这些都必须处理，而不是简单地忽略。

浏览 1提问于2011-12-03得票数 1

回答已采纳

3回答

使BeautifulSoup忽略脚本标记内的内容

python、beautifulsoup、html-parsing

我一直在尝试让BeautifulSoup (3.1.0.1)解析一个html页面，该页面包含大量的javascript，可以在标签内生成html。document.getElementById("flatMenuItemAnchor" + selectedPageId), selectedPageId);</script></html> BeautifulSoup它似乎试图解析由

浏览 3提问于2009-11-14得票数 1

3回答

从HTML中提取数据

python、regex、scrape

我正在尝试抓取一个网站。我已经能够将网站上的内容放到一个字符串/文件中。<li><span class="abc">Key 1:</span> <span class="aom_pb">Value 1</span></li>致敬，AMM

浏览 1提问于2011-11-06得票数 1

1回答

BeautifulSoup4美化输出XHTML，而不是HTML

python、html、beautifulsoup

我正在尝试解析和美化一堆用微软FrontPage制作的文件。Beautifulsoup解析它们没有任何问题，但是当我尝试用prettify()打印输出时，像<meta>或<br>这样的标签被重写为<meta ... />和<br/>。

浏览 2提问于2012-11-19得票数 3

回答已采纳

1回答

BeautifulSoup和php/html文件

php、python、html、parsing、beautifulsoup

我一直在使用BeautifulSoup将一些古老的HTML文件中的相对URL从一个归档站点转换为绝对URL(主要是为了让.htaccess规则更好地针对它们)。他们大多使用3-5行来包含其他.php文件，其余的都是HTML，不过也有一些例外。

浏览 2提问于2017-01-12得票数 4

回答已采纳

3回答

在HTML文件中查找所有呈现的图像

python、html、regex、parsing

我需要一种方法，在片段中只找到呈现的IMG标记。所以，我不能仅仅用HTML片段来查找所有的IMG标记，因为我还会得到在HTML中显示为文本的IMG标记(而不是呈现的)。有什么想法吗？

浏览 2提问于2009-04-07得票数 0

回答已采纳

2回答

在BeautifulSoup中选择具有多部件类的标记

python、beautifulsoup

我试图从一个网页上刮掉一些数据，这个网页上有多个部件标签的div标签。例如<div class="A">，<div class="A B">和<div class="A X Y">。我想收集前两种类型的标签，但不是最后一种。我认为使用BeautifulSoup很简单：import re url_

浏览 3提问于2016-02-17得票数 1

回答已采纳

2回答

BeautifulSoup:从html获取css类

python、html、css、beautifulsoup

有没有办法使用BeautifulSoup从HTML文件中获取CSS类？

浏览 0提问于2012-07-16得票数 8

回答已采纳

2回答

递归BBCode解析

php、regex、bbcode

我正在尝试解析脚本中的BBCode。现在，它可以无缝地工作了，直到我尝试缩进BBCode，而不仅仅是粗体或下划线，比如扰流，url，字体大小等等，它就搞砸了。

浏览 2提问于2011-07-21得票数 2

回答已采纳

4回答

如何使用BeautifulSoup从HTML中剥离注释标记？

python、beautifulsoup

我一直在玩BeautifulSoup，这很棒。我的最终目标是尝试从页面中获取文本。我只是尝试从正文中获取文本，并使用一个特殊情况从<a>或<img>标记中获取标题和/或alt属性。到目前为止，我有这个EDITED & UPDATED CURRENT CODEcomments = soup.findAll(text=lambdasoup.findAll(text=True)) page = ' '.join(

浏览 0提问于2010-08-18得票数 16

回答已采纳

2回答

如何用BeautifulSoup解析HTML标签中的HTML标签内容？

python、html、parsing、beautifulsoup

在web上发现的html的唯一情况下，存在在父html标签内具有多个html标签的HTML文档。我想解析html标记的内容。谁能给我指出这样做的方向？soup = BeautifulSoup(html, "lxml") 仅提供父html和其中存在的标记。然而，我假设如果浏览器能够呈现html，那么BS应该能够解析它。这个假设是正确的吗？编辑2:实际上html是一个格式错误的html (我假设是在这里

浏览 0提问于2017-06-05得票数 0

1回答

解析源代码(Python)方法:漂亮的汤，lxml，html5lib的区别？

python、parsing、beautifulsoup、lxml

我有一个很大的HTML源代码，我想要解析(大约200,000)行，并且我相当确定在整个过程中都有一些糟糕的格式。我一直在研究一些解析器，似乎Beautiful Soup，lxml，html5lib是最受欢迎的。我对Beautiful Soup文档、和像BeautifulSoup(markup，"lxml")或BeautifulSoup(markup，html5lib)这样的命令感到有点困惑。最终目标是使用urllib2解析获取源代码，并从文件中检索所有文本数据，就像我

浏览 0提问于2012-06-08得票数 1

1回答

使用“另存为”下载的HTML与使用Python请求下载的HTML略有不同

python、html、python-requests、urllib

page_content.html', 'w') as fid:fid.close() 并注意到我想要webscrape (表格)的相关部分是相同的，直到几个未闭合的标签“另存为html”页具有正确的结束标记，但“请求”页缺少某些标记的结尾。，当我使用Inspect时，所有标签都是关闭的。但是当我使用View Page Source时，我看到了缺少的标签。当在Chrome中打开时，Requests-downloaded页面显示正确

浏览 0提问于2019-05-13得票数 0

3回答

DOMDocument中加载的模板中的PHP代码块

php、domdocument、libxml2

我需要用DOMDocument解析HTML。但是HTML代码可能包含PHP代码块，例如： <div id="test" data="<?php echo $somevar?解析器认为"data“属性没有右引号，<php是新标记。我如何指定忽略<php标签或类似的东西？

浏览 2提问于2011-12-25得票数 3

回答已采纳

1回答

使用Python以编程方式将DOCX转换为HTML

python、python-docx

我已经在Python中实现了HTML to DOCX，在那里我使用BeautifulSoup解析了HTML。我递归地遍历了每个HTML标签，然后使用Python-Docx库创建了Docx文档。但是，我找不到一种方法来遍历每个文档对象并将它们转换为HTML字符串。有没有办法可以做这样的反向解析？我尝试过和库。然而，我发现他们忽略了一些样式，我想自己写代码，而不是使用库。

浏览 3提问于2019-09-06得票数 1

点击加载更多