python - 通过标签自定义 BeautifulSoup 的 prettify

Question

我想知道是否有可能使 prettify 不在特定标签上创建新行。

我想让 span 和 a 标签不会分开，例如:

doc="""<div><div><span>a</span><span>b</span>
<a>link</a></div><a>link1</a><a>link2</a></div>"""

from bs4 import BeautifulSoup as BS
soup = BS(doc)
print soup.prettify()

下面是我要打印的内容:

<div>
    <div>
        <span>a</span><span>b</span>
        <a>link</a>
    </div>
    <a>link1</a><a>link2</a>
</div>

但这才是实际打印的内容:

<div>
    <div>
        <span>
            a
        </span>
        <span>
            b
        </span>
        <a>
            link
        </a>
    </div>
    <a>
        link1
    </a>
    <a>
        link2
    </a>
</div>

在新行上放置内联样式标签实际上会增加它们之间的空间，稍微改变实际页面的外观。我会将您链接到两个显示差异的 jsfiddles:

anchor tags on new lines

anchor tags next to eachother

如果您想知道为什么这对 BeautifulSoup 很重要，那是因为我正在编写一个网页调试器，并且 prettify 函数将非常有用(以及 bs4 中的其他东西)。但是，如果我美化了文档，那么我就有更改某些内容的风险。

那么，有什么方法可以自定义prettify 函数，以便我可以将其设置为不分解某些标签？

Answer 1

我正在发布一个快速破解，但我没有找到更好的解决方案。

我实际上在我的项目中使用它来避免破坏 textareas 和 pre 标签。将 ['span', 'a'] 替换为您要防止缩进的标签。

markup = """<div><div><span>a</span><span>b</span>
<a>link</a></div><a>link1</a><a>link2</a></div>"""

# Double curly brackets to avoid problems with .format()
stripped_markup = markup.replace('{','{{').replace('}','}}')

stripped_markup = BeautifulSoup(stripped_markup)

unformatted_tag_list = []

for i, tag in enumerate(stripped_markup.find_all(['span', 'a'])):
    unformatted_tag_list.append(str(tag))
    tag.replace_with('{' + 'unformatted_tag_list[{0}]'.format(i) + '}')

pretty_markup = stripped_markup.prettify().format(unformatted_tag_list=unformatted_tag_list)

print pretty_markup