Python bs4 删除 br 标签

Question

我使用 bs4 来处理一些富文本。但它删除了我进行字符转换的地方的 br 标签。下面是代码的简单形式。

import re
from bs4 import BeautifulSoup

#source_code = self.textInput.toHtml()
source_code =  """.......<p style=" margin-top:12px; margin-bottom:0px; margin-left:0px; margin-right:0px; -qt-block-indent:0; text-indent:0px;"><span style=" font-family:'Ubuntu';">ABC ABC<br />ABC</span></p>.......""" 

soup = BeautifulSoup(source_code, "lxml")

for elm in soup.find_all('span', style=re.compile(r"font-family:'Ubuntu'")):
#actually there was a for loop
    elm.string = elm.text.replace("A", "X")
    elm.string = elm.text.replace("B", "Y")
    elm.string = elm.text.replace("C", "Z")

print(soup.prettify())

这应该给出一个输出

...<span style=" font-family:'Ubuntu';">XYZ XYZ<br />XYZ</span>...
#XYZ XYZ
#XYZ

但它给出的输出没有 br 标签。

...<span style=" font-family:'Ubuntu';">XYZ XYZXYZ</span>...
#XYZ XYZXYZ

我该如何纠正？

Answer 1

问题是您正在重新定义元素的 .string，但我会找到 "text" 节点并在那里进行替换：

for text in elm.find_all(text=True):
    text.replace_with(text.replace("A", "X").replace("B", "Y").replace("C", "Z"))

为我工作，产生：

</p>
  <p style=" margin-top:12px; margin-bottom:0px; margin-left:0px; margin-right:0px; -qt-block-indent:0; text-indent:0px;">
   <span style=" font-family:'Ubuntu';">
    XYZ XYZ
    <br/>
    XYZ
   </span>
</p>

how can i include this part in a loop?

这是一个示例：

replacements = {
    "A": "X",
    "B": "Y",
    "C": "Z"
}
for text in elm.find_all(text=True):
    text_to_replace = text
    for k, v in replacements.items():
        text_to_replace = text_to_replace.replace(k, v)

    text.replace_with(text_to_replace)

Python bs4 删除 br 标签

Python bs4 removes br tag

python

beautifulsoup

html-parsing

bs4