使用BeautifulSoup写入文件时保留Django模板的空白字符

嘿，这个问题我太熟悉了！prettify()虽然能让输出的HTML看起来整齐，但它会强制重新格式化整个文档，把原有的缩进、空白甚至模板标签的排版都打乱，对Django这类需要保留原始格式的场景确实不友好。

解决方案：放弃prettify()，直接转换为字符串 #

你只需要把写入文件的代码从prettify()改成直接将soup对象转为字符串即可，这样BeautifulSoup只会修改你指定的元素，其余内容完全保留原始格式。

另外还要注意一个小坑：如果你的h1标签原本没有class属性，直接用tag['class'].append()会抛出KeyError，所以建议用更稳妥的写法来添加类。

修改后的完整脚本：

#!/usr/bin/env python
from bs4 import BeautifulSoup
soup = BeautifulSoup(open('test.html'), 'html.parser')
heading_tags = soup.find_all('h1')
for tag in heading_tags:
    # 先确保class属性存在，不存在则创建空列表
    tag.attrs.setdefault('class', []).append('new-class')
with open('test.html', 'w') as html_doc:
    # 直接转换为字符串写入，保留原始格式
    html_doc.write(str(soup))

原理说明 #

str(soup)会输出BeautifulSoup解析后未经过格式化的原始内容，只应用了你对标签属性的修改，完全不会改动原文档的空白、缩进和其他结构，完美适配Django模板这类对格式敏感的文件。

内容的提问来源于stack exchange，提问作者mc_kaiser