soup - web scraping python examples

Cómo escribir la salida en el archivo html con Python BeautifulSoup

Question

Modifiqué un archivo html eliminando algunas de las etiquetas usando beautifulsoup . Ahora quiero volver a escribir los resultados en un archivo html. Mi código:

from bs4 import BeautifulSoup
from bs4 import Comment

soup = BeautifulSoup(open(''1.html''),"html.parser")

[x.extract() for x in soup.find_all(''script'')]
[x.extract() for x in soup.find_all(''style'')]
[x.extract() for x in soup.find_all(''meta'')]
[x.extract() for x in soup.find_all(''noscript'')]
[x.extract() for x in soup.find_all(text=lambda text:isinstance(text, Comment))]
html =soup.contents
for i in html:
    print i

html = soup.prettify("utf-8")
with open("output1.html", "wb") as file:
    file.write(html)

Desde que utilicé soup.prettify, genera html como este:

<p>
    <strong>
     BATAM.TRIBUNNEWS.COM, BINTAN
    </strong>
    - Tradisi pedang pora mewarnai serah terima jabatan pejabat di
    <a href="http://batam.tribunnews.com/tag/polres/" title="Polres">
     Polres
    </a>
    <a href="http://batam.tribunnews.com/tag/bintan/" title="Bintan">
     Bintan
    </a>
    , Senin (3/10/2016).
   </p>

Quiero obtener el resultado como lo hago con la print i :

<p><strong>BATAM.TRIBUNNEWS.COM, BINTAN</strong> - Tradisi pedang pora mewarnai serah terima jabatan pejabat di <a href="http://batam.tribunnews.com/tag/polres/" title="Polres">Polres</a> <a href="http://batam.tribunnews.com/tag/bintan/" title="Bintan">Bintan</a>, Senin (3/10/2016).</p>
<p>Empat perwira baru Senin itu diminta cepat bekerja. Tumpukan pekerjaan rumah sudah menanti di meja masing masing.</p>

¿Cómo puedo obtener un resultado igual que la print i (es decir, para que la etiqueta y su contenido aparezcan en la misma línea)? Gracias.

Answer 1

Simplemente convierta la instancia de soup en cadena y escriba:

with open("output1.html", "w") as file:
    file.write(str(soup))

Answer 2

Use unicode para estar seguro:

with open("output1.html", "w") as file:
    file.write(unicode(soup))