python - 用 beautifulsoup 克隆元素

Question

我必须将一个文档的一部分复制到另一个文档，但我不想修改我从中复制的文档。

如果我使用 .extract() 它会从树中删除该元素。如果我只是附加选定的元素，如 document2.append(document1.tag)，它仍然会从 document1 中删除该元素。

因为我使用的是真实文件，所以我不能在修改后保存 document1，但是有什么方法可以在不损坏文档的情况下做到这一点吗？

Answer 1

BeautifulSoup在4.4(2015年7月发布)之前的版本中没有原生克隆功能；您必须自己创建一个深拷贝，这很棘手，因为每个元素都维护到树的其余部分的链接。

要克隆一个元素及其所有元素，您必须复制所有属性并重置它们的父子关系；这必须递归发生。最好不要复制关系属性并重新放置每个递归克隆的元素:

from bs4 import Tag, NavigableString

def clone(el):
    if isinstance(el, NavigableString):
        return type(el)(el)

    copy = Tag(None, el.builder, el.name, el.namespace, el.nsprefix)
    # work around bug where there is no builder set
    # https://bugs.launchpad.net/beautifulsoup/+bug/1307471
    copy.attrs = dict(el.attrs)
    for attr in ('can_be_empty_element', 'hidden'):
        setattr(copy, attr, getattr(el, attr))
    for child in el.contents:
        copy.append(clone(child))
    return copy

此方法对当前的 BeautifulSoup 版本有点敏感；我用 4.3 测试了这个， future 的版本可能会添加需要复制的属性。

您还可以将此功能猴子修补到 BeautifulSoup 中:

from bs4 import Tag, NavigableString


def tag_clone(self):
    copy = type(self)(None, self.builder, self.name, self.namespace, 
                      self.nsprefix)
    # work around bug where there is no builder set
    # https://bugs.launchpad.net/beautifulsoup/+bug/1307471
    copy.attrs = dict(self.attrs)
    for attr in ('can_be_empty_element', 'hidden'):
        setattr(copy, attr, getattr(self, attr))
    for child in self.contents:
        copy.append(child.clone())
    return copy


Tag.clone = tag_clone
NavigableString.clone = lambda self: type(self)(self)

让您直接在元素上调用 .clone():

document2.body.append(document1.find('div', id_='someid').clone())

我的 feature request到 BeautifulSoup 项目 was accepted and tweaked使用 copy.copy() function ;现在 BeautifulSoup 4.4 已发布，您可以使用该版本(或更新版本)并执行以下操作:

import copy

document2.body.append(copy.copy(document1.find('div', id_='someid')))