Beautiful Soup で prettify() するときにタグ前後の改行をさせないようにする
このような HTML があったとして、それを Beautiful Soup のオブジェクトとして読み込み、それを単純にそのまま `prettify()` で書き出すとします。
from bs4 import BeautifulSoup
s = '''
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8">
<title>soup test</title>
</head>
<body>
<p>これは Beautiful Soup の<strong>テスト</strong>です。</p>
<p>これは<ruby>羹<rp>(</rp><rt>スープ</rt><rp>)</rp></ruby>です。</p>
</body>
</html>
'''
soup = BeautifulSoup(s, 'lxml')
print(soup.prettify())すると「インライン要素」（MDN 表記では 記述コンテンツ, Phrasing content https://developer.mozilla.org/en-US/docs/Web/HTML/Content_categories#phrasing_content ）であっても、以下のようにタグの前後に改行が追加されます。
<body>
<p>
これは Beautiful Soup の
<strong>
テスト
</strong>
です。
</p>
<p>
これは
<ruby>
羹
<rp>
(
</rp>
<rt>
スープ
</rt>
<rp>
)
</rp>
</ruby>
です。
</p>
</body>
</html>ブラウザの仕様にもよるところがありますが、ブロック（サンプルで言うところの <p> タグ）内の改行は半角スペース 1 つとして扱われます。この半角スペースは、大抵意図しない不要なものになってしまい、場合によってはデザインが崩れてしまうかもしれません。
このように「タグの前後を改行させたくない場合どうすればよいか」が今回の課題です。
Beautiful Soup で prettify() するときにタグの前後に改行させないようにする方法
ということで、そのやりかたです。
Beautiful Soup のオブジェクトを作成するときに preserve_whitespace_tags というオプションを指定すれば OK です。指定内容は HTML タグを辞書の配列で「その要素内のタグの前後は改行させない」というタグを指定します。
上のサンプルとしては <p> タグを指定してあげれば、課題を達成できます。
preserve_whitespace_tags = {'textarea', 'p'}
soup = BeautifulSoup(s, 'lxml',
preserve_whitespace_tags=preserve_whitespace_tags)
print(soup.prettify())結果は以下の通りです。 `prettify()` の結果は `<p>` タグ内におけるタグの前後を改行しないようになりました。
<!DOCTYPE html>
<html>
<head>
<meta charset="utf-8"/>
<title>
soup test
</title>
</head>
<body>
<p>これは Beautiful Soup の<strong>テスト</strong>です。</p>
<p>これは<ruby>羹<rp>(</rp><rt>スープ</rt><rp>)</rp></ruby>です。</p>
</body>
</html>最後に
アイキャッチは Python などと特に関係のない蚊取り線香です。
いいなと思ったら応援しよう！
