Python中BeautifulSoup转义问题：Confluence表格更新失败求助

首先咱们得搞清楚问题根源：当你调用soup.append(str)时，BeautifulSoup会把传入的字符串当成纯文本内容处理，自动转义所有HTML特殊字符（比如<变成<）。如果你的字符串本身已经是转义过的（比如从Confluence获取的内容里已经有<tr>），这时候再append就会触发二次转义，把<变成<，最终就出现了你看到的<tr>"string"</tr>这种情况。

直接解决转义问题的方法 #

不要直接append字符串，而是把字符串转换成BeautifulSoup能识别的Tag对象，这样它就会把内容当成HTML标签处理，而不是纯文本。这里有两种常用的实现方式：

方式1：用BeautifulSoup解析字符串生成Tag对象

如果已经有了完整的HTML行字符串，直接用BeautifulSoup解析它，再添加到表格里：

from bs4 import BeautifulSoup

# 假设这是从Confluence获取的页面内容
confluence_content = "<table><tr><td>旧内容</td></tr></table>"
soup = BeautifulSoup(confluence_content, 'html.parser')
table = soup.find('table')

# 你要添加的新行HTML
new_row_html = '<tr><td>"string"</td></tr>'
# 把字符串解析成BS的Tag对象
new_row_tag = BeautifulSoup(new_row_html, 'html.parser')
# 添加到表格中
table.append(new_row_tag)

# 此时输出的内容就是正确的HTML，不会二次转义
print(str(soup))

方式2：手动创建标签（更可控）

如果需要更精细地控制每个标签的属性或内容，可以手动创建Tag对象：

from bs4 import BeautifulSoup

soup = BeautifulSoup(confluence_content, 'html.parser')
table = soup.find('table')

# 创建<tr>标签
new_tr = soup.new_tag('tr')
# 创建<td>标签并设置内容
new_td = soup.new_tag('td')
new_td.string = '"string"'
# 把<td>加到<tr>里，再把<tr>加到表格里
new_tr.append(new_td)
table.append(new_tr)

额外处理：如果已有转义后的字符串

如果你的字符串已经是转义后的格式（比如<tr>"string"</tr>），可以先用html.unescape()解码成原始HTML，再交给BS处理：

import html
from bs4 import BeautifulSoup

escaped_row_str = '<tr>"string"</tr>'
# 先解码成原始HTML
original_html = html.unescape(escaped_row_str)
new_row_tag = BeautifulSoup(original_html, 'html.parser')
table.append(new_row_tag)

更优的Confluence表格更新方案 #

直接解析HTML修改后再更新，有时候会遇到Confluence的特殊格式兼容问题（比如Confluence页面的storage格式有自己的专属标签或属性）。更稳妥的方式是结合Confluence REST API来操作：

1. 调用API获取页面的storage内容：Confluence的页面内容以storage格式存储（本质是符合Confluence规范的HTML），通过GET /rest/api/content/{pageId}?expand=body.storage接口获取。
2. 正确修改storage内容：用上面的BS方法修改解析后的storage HTML，避免转义问题。
3. 调用API更新页面：把修改后的HTML作为新的storage内容，通过PUT /rest/api/content/{pageId}接口提交更新。

这种方式能最大程度保证和Confluence的格式兼容，减少因为HTML解析导致的异常。

内容的提问来源于stack exchange，提问作者chon