如何替换 beautifulSoup 中的特定字符？

Question

我很清楚如何使用 bs4 替换标签中的文本，但我实际上如何将特定字符（比如 p-tag）更改为另一个包含在 b-tag 中的字符或字符串？

例如，如果我想 bold/highlight 段落中的所有 j。

Answer 1

您可以使用 find_all() 函数获取所有 <p> 元素和一个正则表达式来为您想要的字母注入 <b> 元素，例如：

from bs4 import BeautifulSoup
import sys 
import re

soup = BeautifulSoup(open(sys.argv[1]))
for p in soup.find_all('p'):
    p.string = re.sub(r'(r)', r'<b></b>', p.string)

print(soup.prettify(formatter=None))

请注意，我使用 formatter=None 来避免 HTML 个实体的转换。

使用此测试文本：

<div>
    <div class="post-text" itemprop="text">

        <p>I'm well aware on how to replace texts in tags using bs4 but how would I actually change a specific character in, say a p-tag, into another character or string enclosed in a b-tag?</p>

<p>An example would be if I wanted to bold/highlight all the j's in a paragraph.</p>

    </div>
</div>

运行喜欢:

python script.py infile

结果：

<html>
 <body>
  <div>
   <div class="post-text" itemprop="text">
    <p>
     I'm well awa<b>r</b>e on how to <b>r</b>eplace texts in tags using bs4 but how would I actually change a specific cha<b>r</b>acte<b>r</b> in, say a p-tag, into anothe<b>r</b> cha<b>r</b>acte<b>r</b> o<b>r</b> st<b>r</b>ing enclosed in a b-tag?
    </p>
    <p>
     An example would be if I wanted to bold/highlight all the j's in a pa<b>r</b>ag<b>r</b>aph.
    </p>
   </div>
  </div>
 </body>
</html>

Answer 2

如果要在文本中插入标签，则必须将整个文本分成 3 部分；之前的所有内容，进入标签的文本，以及之后的所有内容。

每次在文本中找到匹配项时都必须这样做，因此您也需要在插入后跟踪结尾部分：

def inject_tag(text, start, end, tagname, **attrs):
    # find the document root
    root = text
    while root.parent:
        root = root.parent

    before = root.new_string(text[:start])
    new_tag = root.new_tag(tagname, **attrs)
    new_tag.string = text[start:end]
    after = root.new_string(text[end:])

    text.replace_with(before)
    before.insert_after(new_tag)
    new_tag.insert_after(after)
    return after

然后用上面的函数替换具体的索引：

>>> import re
>>> from bs4 import BeautifulSoup
>>> soup = BeautifulSoup('''\
... <p>The quick brown fox jumps over the lazy dog</p>
... ''')
>>> the = re.compile(r'the', flags=re.I)
>>> text = soup.p.string
>>> while True:
...     match = the.search(unicode(text))
...     if not match: break
...     start, stop = match.span()
...     text = inject_tag(text, start, stop, 'b')
... 
>>> print soup.prettify()
<html>
 <head>
 </head>
 <body>
  <p>
   <b>
    The
   </b>
   quick brown fox jumps over
   <b>
    the
   </b>
   lazy dog
  </p>
 </body>
</html>

如何替换 beautifulSoup 中的特定字符？

How do you replace specific characters in beautifulSoup?

python

beautifulsoup