Python刮板和保存數據到文件，我需要它包括<br>標記在文件中

Question

好吧，這是我編寫的webscraper的代碼。現在它把我用湯選擇的所有東西都刮掉了。但是當我查看我的頁面的源代碼時，這個數據包括一個<br>這是換行符。

當我抓取並保存所有文件時，將其排除，使得所有數據都在一行中，而不包含<br>標記。我想這<br>在那裏每個數據被寫入到文件後，如下所示：

Data<br>Data<br>Data<br>Data<br> 

而不是：

DataDataDataDataData 

反正是有修改目前我的代碼？我認爲這是g = item.text.encode('utf-8')，使其刪除<br>。如果我可以在代碼中包含<br>，我會很高興，因爲那時我可以只用regex它。

try : 
       t_data = soup.find_all("div", {"class": "blockrow restore"}) 
       for item in t_data: 
        f = open('test.txt' , 'w') 
        g = item.text.encode('utf-8') 
        f.write(g) 
        f.close 


      finally: 

謝謝。

Answer 1

如果你只是想捕捉的<br>換行符，你可以只在解析之前更換<br>標籤與新行字符的項目：

for br in item.find_all("br"): 
    br.replace_with("\n") 

如果你真的想保留的內部HTML標籤，你可以轉換BeautifulSoup項目回字符串並打印：

g = unicode(item)