在 BeautifulSoup 中用标签包装文本的小节答案

【问题标题】：wrapping subsections of text with tags in BeautifulSoup在 BeautifulSoup 中用标签包装文本的小节
【发布时间】：2023-03-08 03:25:01
【问题描述】：

我想要与 this jQuery question 等效的 BeautifulSoup。

我想在 BeautifulSoup 文本中找到一个特定的正则表达式匹配，然后用包装的版本替换该段文本。我可以用纯文本换行来做到这一点：

# 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怎么办？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>

【问题讨论】：

标签： python html regex beautifulsoup

【解决方案1】：

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一个完整的解析树替换一个标签。最简单的方法是在我们的正则表达式字符串上调用BeautifulSoup。

内部BeautifulSoup 调用的有点神奇的'html.parser' 参数是为了防止它添加<html><body><p> 标签，就像bs4（嗯，真的是lxml）通常做的那样。 More reading on that.

【讨论】：

【解决方案2】：

所以这是一种方法。您可以使用正则表达式创建新的 HTML，其中包含粗体字的单词，将其放入 BeautifulSoup 构造函数，然后将整个父 p 替换为新的 p 标签。

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。我看看我能不能把它写出来，稍后再贴在这里。

【讨论】：