Beautiful Soup 简明教程

Beautiful Soup - encode() Method

Method Description

Beautiful Soup 中的 encode() 方法呈现给定的 PageElement 及其内容的字节字符串表示形式。

prettify() 方法允许你轻松直观地展示 Beautiful Soup 解析树的结构，它有 encoding 参数。encode() 方法在 prettify() 方法中的作用与编码相同。

Syntax

encode(encoding, indent_level, formatter, errors)

Parameters

  1. encoding − 目标编码。

  2. indent_level − 渲染的每行都将

  3. indented this many levels. Used internally in recursive calls while pretty-printing.

  4. formatter − Formatter object，或一个指定标准制表符之一的字符串。

  5. errors − 一个错误处理策略。

Return Value

encode() 方法返回标记及其内容的字节字符串表示形式。

Example 1

默认情况下，编码参数为 utf-8。以下代码显示了羹对象经过编码后的字节字符串表示形式。

from bs4 import BeautifulSoup

soup = BeautifulSoup("Hello “World!”", 'html.parser')
print (soup.encode('utf-8'))

Output

b'Hello \xe2\x80\x9cWorld!\xe2\x80\x9d'

Example 2

制表符对象具有以下预定义值 −

formatter="minimal" − 它是默认值。将对字符串进行足够的处理以确保 Beautiful Soup 生成有效的 HTML/XML。

formatter="html" − 只要有可能，Beautiful Soup 将把 Unicode 字符转换为 HTML 实体。

formatter="html5" − 它类似于 formatter="html"，但是 Beautiful Soup 将在 HTML 空标签（例如 "br"）中省略结束斜杠。

formatter=None − Beautiful Soup 将不修改输出中的字符串。这是最快的选项，但可能导致 Beautiful Soup 生成无效的 HTML/XML。

在以下示例中，不同的制表符值被用作 encode() 方法的参数。

from bs4 import BeautifulSoup

french = "<p>Il a dit <<Sacré bleu!>></p>"
soup = BeautifulSoup(french, 'html.parser')
print ("minimal: ")
print(soup.p.encode(formatter="minimal"))
print ("html: ")
print(soup.p.encode(formatter="html"))
print ("None: ")
print(soup.p.encode(formatter=None))

Output

minimal:
b'<p>Il a dit <<Sacr\xc3\xa9 bleu!>></p>'
html:
b'<p>Il a dit <<Sacré bleu!>></p>'
None:
b'<p>Il a dit <<Sacr\xc3\xa9 bleu!>></p>'

Example 3

以下示例使用 Latin-1 作为编码参数。

markup = '''
<html>
   <head>
      <meta content="text/html; charset=ISO-Latin-1" http-equiv="Content-type" />
   </head>
   <body>
      <p>Sacr`e bleu!</p>
   </body>
</html>
'''
from bs4 import BeautifulSoup

soup = BeautifulSoup(markup, 'lxml')
print(soup.p.encode("latin-1"))

Output

b'<p>Sacr`e bleu!</p>'