Jas*_*n S 6 html python regex beautifulsoup
我希望BeautifulSoup等同于这个jQuery问题.
我想在BeautifulSoup文本中找到一个特定的正则表达式匹配,然后用包装版本替换该段文本.我可以用明文包装做到这一点:
# replace all words ending in "ug" wrapped in quotes,
# with "ug" replaced with "ook"
>>> soup = BeautifulSoup("Snug as a bug in a rug")
>>> soup
<html><body><p>Snug as a bug in a rug</p></body></html>
>>> for text in soup.findAll(text=True):
... if re.search(r'ug\b',text):
... text.replaceWith(re.sub(r'(\w*)ug\b',r'"\1ook"',text))
...
u'Snug as a bug in a rug'
>>> soup
<html><body><p>"Snook" as a "book" in a "rook"</p></body></html>
但是,如果我想要粗体而不是引号呢？例如,期望的结果=
<html><body><p><b>Snook</b> as a <b>book</b> in a <b>rook</b></p></body></html>
for text in soup.findAll(text=True):
if re.search(r'ug\b',text):
text.replaceWith(BeautifulSoup(re.sub(r'(\w*)ug\b',r'<b>\1ook</b>',text),'html.parser'))
soup
Out[117]: <html><body><p><b>Snook</b> as a <b>book</b> in a <b>rook</b></p></body></html>
这里的想法是我们用完全形成的解析树替换标签.最简单的方法是调用BeautifulSoup我们的正则表达式子字符串.
'html.parser'内部BeautifulSoup调用有点神奇的论点是阻止它添加<html><body><p>标签,比如bs4(嗯,lxml)通常会这样做. 更多阅读.
所以这是一种方法。您可以使用正则表达式创建新的 HTML，其中的单词用粗体包围，将其放入 BeautifulSoup 构造函数中，然后用新的 p 标记替换整个父 p 标记。
import bs4
import re
soup = bs4.BeautifulSoup("Snug as a bug in a rug")
print soup
for text in soup.findAll(text=True):
if re.search(r'ug\b',text):
new_html = "<p>"+re.sub(r'(\w*)ug\b', r'<b>\1ook</b>', text)+"</p>"
new_soup = bs4.BeautifulSoup(new_html)
text.parent.replace_with(new_soup.p)
print soup
另一种选择是使用 soup.new_tag 方法，但这可能需要嵌套的 for 循环，这不会那么优雅。我会看看是否可以写下来并稍后发布到这里。
| 归档时间： |
|
| 查看次数： |
1336 次 |
| 最近记录： |