如何在自定义Python函数中集成BeautifulSoup4的.prettify()方法美化列表输出

嘿，我明白你想让输出更易读的需求啦～不过得先澄清一个点：soup.prettify()是用来格式化HTML结构的方法，它是给BeautifulSoup对象或者HTML标签用的，没法直接处理你返回的Python列表。不过我们可以换两种思路来实现美观输出的目标：

方案1：美化Python列表的打印格式 #

如果只是想让提取到的标题列表看起来更清晰，不用HTML格式，直接用Python自带的工具就能搞定：

方式A：逐个打印带编号的标题 #

这种方式最直观，适合阅读：

from bs4 import BeautifulSoup

def get_titles(html):
    soup = BeautifulSoup(html,'html.parser')
    # 先过滤掉空文本和纯空白字符，避免输出冗余内容
    outcome = [text.strip() for text in soup.div.find_all(text=True) if text.strip()]
    return outcome

# 调用示例
html = '''<div>
    Title 1
    <span>Title 2</span>
    Title 3
    <p>Title 4</p>
</div>'''
titles = get_titles(html)

print("提取到的标题：")
for idx, title in enumerate(titles, 1):
    print(f"{idx}. {title}")

输出效果：

提取到的标题：
1. Title 1
2. Title 2
3. Title 3
4. Title 4

方式B：用pprint模块格式化列表 #

如果你想保留列表结构但更易读，可以用Python标准库的pprint：

from bs4 import BeautifulSoup
from pprint import pprint

def get_titles(html):
    soup = BeautifulSoup(html,'html.parser')
    outcome = [text.strip() for text in soup.div.find_all(text=True) if text.strip()]
    return outcome

html = '''<div>
    Title 1
    <span>Title 2</span>
    Title 3
    <p>Title 4</p>
</div>'''
titles = get_titles(html)

print("格式化后的列表：")
pprint(titles)

输出效果：

格式化后的列表：
['Title 1', 'Title 2', 'Title 3', 'Title 4']

方案2：生成美观的HTML格式输出 #

如果你确实想借助prettify()来输出HTML格式的美观内容，可以先把提取到的标题构建成新的HTML结构，再调用prettify()：

from bs4 import BeautifulSoup

def get_titles(html):
    soup = BeautifulSoup(html,'html.parser')
    outcome = [text.strip() for text in soup.div.find_all(text=True) if text.strip()]
    
    # 创建一个新的BeautifulSoup对象，用来构建美观的HTML结构
    new_soup = BeautifulSoup("", 'html.parser')
    # 比如用无序列表包裹所有标题
    ul_tag = new_soup.new_tag('ul')
    for title in outcome:
        li_tag = new_soup.new_tag('li')
        li_tag.string = title
        ul_tag.append(li_tag)
    new_soup.append(ul_tag)
    
    # 用prettify()格式化输出HTML
    return new_soup.prettify()

html = '''<div>
    Title 1
    <span>Title 2</span>
    Title 3
    <p>Title 4</p>
</div>'''
print(get_titles(html))

输出效果：

<ul>
 <li>
  Title 1
 </li>
 <li>
  Title 2
 </li>
 <li>
  Title 3
 </li>
 <li>
  Title 4
 </li>
</ul>

内容的提问来源于stack exchange，提问作者howard