为什么我不能在 Jupyterlab 中使用 BeautifulSoup4 解析本地文件

Question

我正在关注一个网络教程，尝试使用 BeautifulSoup4 从 Jupyterlab 中的 html 文件（存储在我的本地 PC 上）中提取数据，如下所示：

from bs4 import BeautifulSoup

with open ('simple.html') as html_file:
    simple = BeautifulSoup('html_file','lxml')

print(simple.prettify())

无论 html 文件中的内容是什么，而不是预期的 html，我都会得到以下输出

<html>
 <body>
  <p>
   html_file
  </p>
 </body>
</html>

我也尝试过使用 html 解析器 html.parser 并且我只是将html_file作为输出。 我知道它可以找到该文件，因为当我从目录中删除它后运行代码时，我得到一个 FileNotFoundError。

当我从同一目录以交互方式运行 python 时，它工作得很好。 我可以运行其他 BeautifulSoup 来解析网页。

我使用 Fedora 32 linux 和 Python3、Jupyterlab、BeautifulSoup4、requests、lxml 安装在使用 pipenv 的虚拟环境中。

欢迎任何帮助找出问题的根源。

Answer 1

你的问题在这一行：

simple = BeautifulSoup('html_file','lxml')

特别是，您告诉 BeautifulSoup 解析文字字符串'html_file'而不是变量html_file的内容。

将其更改为：

simple = BeautifulSoup(html_file,'lxml')

（注意html_file周围缺少引号）应该会给出所需的结果。