如何在不删除标签的情况下更改 HTML 标签的内部文本

Question

假设我有像

这样的“半”HMTL 字符串

some_string = "sometext<body>someText<h1>Text</h1>Worldt<p>And some text here<br>Text.</p></body>HereAlsoText"

我需要替换字符串中的所有标签，但保留所有 HTML 个标签（包括 br）：

"UPDATED<body>UPDATED<h1>UPDATED</h1>UPDATED<p>UPDATED<br>UPDATED</p></body>UPDATED"

以下代码有效，但不能对 <br> 标记和 html 前后的文本（在本例中为 body 标记之外）做任何事情：

soup = BeautifulSoup(mod_string, "html.parser")


# Find all tags
tags = soup.find_all()
# Loop through child tags
for tag in tags:
    # Check if tag is a string
    if tag.string:
        if tag.name != 'br':

            # Replace string
            tag.string.replace_with("TEST")

for parent_tag in tags:
    if not parent_tag.string:
        parent_tag.string = ''.join(
        ["TEST"
            if not re.match(r'<[^>]+>', str(t)) else str(t)
            for t in parent_tag.contents])

感谢您的帮助。谢谢！

Answer 1

保持简单，只需 select 所有文本节点并替换您在示例中已经尝试过的文本：

for e in soup.find_all(text=True):
    e.string.replace_with('UPDATE')

例子

import requests
from bs4 import BeautifulSoup

some_string = 'sometext<body>someText<h1>Text</h1>Worldt<p>And some text here<br>Text.</p></body>HereAlsoText'

soup = BeautifulSoup(some_string, 'html.parser')

for e in soup.find_all(text=True):
    e.string.replace_with('UPDATE')

print(soup)

输出

UPDATE<body>UPDATE<h1>UPDATE</h1>UPDATE<p>UPDATE<br/>UPDATE</p></body>UPDATE

如何在不删除标签的情况下更改 HTML 标签的内部文本

How to change inner text of HTML tags without removing them

html

python

beautifulsoup

web-scraping

python-re

例子

输出