在 BeautifulSoup 中替换文本而不转义

Question

我想用 BeautifulSoup 中的锚点 links 包装一些还没有 links 的词。我用这个来实现它：

from bs4 import BeautifulSoup
import re

text = ''' replace this string '''

soup = BeautifulSoup(text)
pattern = 'replace'

for txt in soup.findAll(text=True):
    if re.search(pattern,txt,re.I) and txt.parent.name != 'a':
        newtext = re.sub(r'(%s)' % pattern,
                         r'<a href="#"></a>',
                         txt)
        txt.replaceWith(newtext)
print(soup)

不幸的是 returns

<html><body><p>&lt;a href="#replace"&gt;replace&lt;/a&gt; this string </p></body></html>

而我正在寻找：

<html><body><p><a href="#replace">replace</a> this string </p></body></html>

有什么方法可以告诉 BeautifulSoup 不要转义 link 元素？

此处无法用简单的正则表达式替换，因为我最终不仅要替换一个模式，而且要替换多个模式。这就是为什么我决定使用 BeautifulSoup 来排除所有已经是 link.

的原因

Answer 1

您需要使用 new_tag use insert_after 创建新标签，以便在新创建的 a 标签后插入您的 text 的一部分。

for txt in soup.find_all(text=True):
    if re.search(pattern, txt, re.I) and txt.parent.name != 'a':
        newtag = soup.new_tag('a')
        newtag.attrs['href'] = "#{}".format(pattern)
        newtag.string = pattern
        txt.replace_with(newtag)
        newtag.insert_after(txt.replace(pattern, ""))

在 BeautifulSoup 中替换文本而不转义

Replace text without escaping in BeautifulSoup

html

python

escaping

beautifulsoup