修改html文件中的所有本地链接答案

【问题标题】：Modify all local links in html file修改html文件中的所有本地链接
【发布时间】：2019-09-15 20:28:30
【问题描述】：

我想从下面的 html 页面更改链接：

//html
<html>
    <head>
        <title>Hello</title>
    </head>
    <body>
        <p>this is a simple text in html file</p>
        <a href="https://google.com">Google</a>
        <a href="/frontend/login/">Login</a>
        <a href="/something/work/">Something</a>
    </body>
 </html>



//Result
    <html>
        <head>
            <title>Hello</title>
        </head>
        <body>
            <p>this is a simple text in html file</p>
            <a href="https://google.com">Google</a>
            <a href="/more/frontend/login/part/">Login</a>
            <a href="/more/something/work/extra/">Something</a>
        </body>
     </html>

那么如何将 html 更改为 result 并使用 python 将其保存为 html 呢？

【问题讨论】：

到目前为止你尝试了什么？您可以使用 beautifulsoup 轻松解析 html 或其他抓取库。
BeautifulSoup - modifying all links in a piece of HTML?的可能重复
此示例替换链接而不是修改链接。我想用以前的链接而不是新链接添加更多内容。
认为该示例使用了替换

标签： python regex python-3.x beautifulsoup

【解决方案1】：

嗯，通过Regex 执行此操作非常简单。

使用href="\/([^"]*) 作为模式，href="\/more\/\1additional 作为替换。

看看这里：

https://regex101.com/r/7ACBFY/2

之前的“50% 尝试”（对不起，我错过了你的第二部分）：

https://regex101.com/r/7ACBFY/1

【讨论】：

谢谢你解决了 50%。我想在第一部分添加更多内容，并在链接末尾添加更多文本，如下所示：/more/something-previously-exists/extra/
您的正则表达式 href="\/([^"]*) 可能包含无效链接
什么意思？

【解决方案2】：

如果您将 html 文件存储为字符串（例如html），那么您可以进行简单的替换：

result = html.replace('<a href="/', '<a href="/more/')

【讨论】：

链接不为空。我可能包含一些以前的数据。我想用以前的值添加更多。

【解决方案3】：

我自己解决了。但我认为这可以帮助很多人。这就是为什么我要回答我的问题并将其公开发布

谢谢Nicolas。他的 30-50% 解决方案对我的完整解决方案帮助很大。

import re

regex = r"href=\"\/"

test_str = ("<html>\n"
    "    <head>\n"
    "        <title>Hello</title>\n"
    "    </head>\n"
    "    <body>\n"
    "        <p>this is a simple text in html file</p>\n"
    "        <a href=\"https://google.com\">Google</a>\n"
    "        <a href=\"/front-end/login/\">Login</a>\n"
    "        <a href=\"/something/work/\">Something</a>\n"
    "    </body>\n"
    " </html>")

subst = "href=\"/more/"

# You can manually specify the number of replacements by changing the 4th argument
result = re.sub(regex, subst, test_str, 0, re.MULTILINE)

subst2 = "\\1hello/"
regex2 = r"(href=\"/(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*\(\), ]|(?:%[0-9a-fA-F][0-9a-fA-F]))+)"
result2 = re.sub(regex2, subst2, result, 0, re.MULTILINE)

if result2:
    print (result2)

writtingtofile = open("solution.html","w")
writtingtofile.write(result2)
writtingtofile.close()

输出：

【讨论】：

干得好。抱歉，我没有注意到你的第二个附加任期。如果你想简化你的解决方案，看看这个（我也会编辑我的答案）：regex101.com/r/7ACBFY/2