Python 使用beautifulsoup克隆元素

我必须将一个文档的一部分复制到另一个文档，但我不想修改从中复制的文档

如果我使用

.extract（）

，它会从树中删除元素。如果我只是像

document2.append（document1.tag）

那样附加所选元素，它仍然会从document1中删除该元素

---

由于我使用的是真实文件，修改后我无法保存文档1，但有没有办法在不损坏文档的情况下保存文档？

在4.4之前的版本（2015年7月发布）中，BeautifulSoup中没有本机克隆功能；您必须自己创建一个深度副本，这很棘手，因为每个元素都维护到树的其余部分的链接

要克隆元素及其所有元素，必须复制所有属性并重置其父子关系；这必须递归地发生。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版本比较敏感；我用4.3测试了这一点，未来的版本可能会添加需要复制的属性

您还可以将此功能添加到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)

允许您直接对元素调用

.clone（）

：

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

我对美联项目的使用；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：

---

这可能不是最快的解决方案，但它很短而且似乎有效

clonedtag=BeautifulSoup（str（sourcetag））.body.contents[0]

BeautifulSoup在克隆的标记周围创建一个额外的

…

（以便使“soup”成为一个健全的html文档）

.body.contents[0]

删除那些包装标签

这个想法来源于上面的Peter Woods评论和下面的Clemens Klein Robbenhaar评论。

对于Python：

可以复制父元素，如下所示：

import copy
p_copy = copy.copy(soup.p)
print p_copy
# <p>I want <b>pizza</b> and more <b>pizza</b>!</p>

导入副本
p_copy=copy.copy（soup.p）
打印复印件
#我想要比萨饼和更多的比萨饼

参考： 部分：复制漂亮的汤对象

---

问候语

也许考虑使用<代码>摘录<代码>方法，但在此之前复制标签的树位置。然后将提取的标记添加回其原始位置（使用您复制的位置信息）和新位置。@dilbert:这不起作用；您还没有副本，因此将元素插入多个位置只会更新父引用和同级引用。

.extract（）的深度副本

/deepcopy/reinsert操作也不起作用，因为

navigablesting

对象假设它们是不可变的，因此实现了一个

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu

方法，该方法返回

self

，但忽略它们有

父
和
下一个同引用是可变的。@MartijnPieters：我在黑暗中捅了一刀。我认为BS的模块化程度更高，允许多个删除和重新插入操作。您还可以创建
BeautifulSoup
的第二个实例，并将标记移到第一个实例。您现在可以使用copy.copy（tree）吗？@Overdrivr是的，前提是您有足够的最新版本如果我尝试此操作，我在标签周围得到了一个额外的
…
（这是应该的-BeautifulSoup试图按照要求将其变成一个正常的html文档）。要从该文档中提取隐藏的标记，还需要进一步的困难：
clonedtag=BeautifulSoup（str（sourcetag））.body.contents[0]
谢谢克莱门斯，你说得对。自从发布后，我发现我的乱码也相当慢，这表明它必须做大量的格式化工作来创建字符串，然后再次将其解析回新的BeautifulSoup实例。
import copy
p_copy = copy.copy(soup.p)
print p_copy
# <p>I want <b>pizza</b> and more <b>pizza</b>!</p>