如何在Python中格式化HTML并将<tr>子元素保持在一行？

默认的BeautifulSoup.prettify()会将所有标签都换行缩进，导致<tr>下的每个<td>都单独占一行，不符合需求。可以通过先整体美化再针对性调整，或者预处理<tr>标签后再美化的方式解决。

方法一：美化后字符串替换 #

这种方式简单直接，先利用prettify()完成整体格式化，再通过字符串替换去掉<tr>内部<td>的换行和多余缩进：

from bs4 import BeautifulSoup

html = '''<html><body><h1>hello world</h1><table><tr><td>1 STRING</td><td>2 STRING</td><td>3 STRING</td></tr></table></body></html>'''

soup = BeautifulSoup(html, 'html.parser')
# 生成基础美化后的HTML
prettified_html = soup.prettify()

# 替换<tr>内部的换行和缩进，将<td>内容合并到同一行
adjusted_html = prettified_html.replace('      <td>', '<td>').replace('</td>\n      ', '</td>')

print(adjusted_html)

方法二：预处理标签后再美化 #

先解析HTML，将每个<tr>的子元素内容拼接成一行，再执行美化：

from bs4 import BeautifulSoup

html = '''<html><body><h1>hello world</h1><table><tr><td>1 STRING</td><td>2 STRING</td><td>3 STRING</td></tr></table></body></html>'''

soup = BeautifulSoup(html, 'html.parser')

# 遍历所有<tr>标签
for tr in soup.find_all('tr'):
    # 保存<tr>的所有子元素的HTML字符串
    children_html = ''.join(str(child) for child in tr.children)
    # 清空<tr>原内容，重新添加拼接后的内容
    tr.clear()
    tr.append(BeautifulSoup(children_html, 'html.parser'))

# 此时再prettify，<tr>内部的<td>会保持在同一行
print(soup.prettify())

最终输出效果 #

两种方法都能得到符合预期的格式化结果：

<html>
 <body>
  <h1>
   hello world
  </h1>
  <table>
   <tr>
    <td>1 STRING</td><td>2 STRING</td><td>3 STRING</td>
   </tr>
  </table>
 </body>
</html>

内容的提问来源于stack exchange，提问作者Ayush J.