使用 BeautifulSoup 和 python 正则表达式在 html 中搜索字符串并添加一些标签答案

【问题标题】：Using BeautifulSoup and python regexp to search html for string and add some tags使用 BeautifulSoup 和 python 正则表达式在 html 中搜索字符串并添加一些标签
【发布时间】：2015-06-09 08:55:24
【问题描述】：

我正在使用 BeautifulSoup 在特定页面上查找用户输入的单词，并突出显示所有这些单词。例如，我想突出显示页面上的所有单词“财务” 'https://support.google.com/finance/?hl=en&ei=VC8QVaH0N-acwgP36IG4AQ'。

#!/usr/bin/python
# charset=utf-8

import urllib2
import re
from bs4 import BeautifulSoup

html = urllib2.urlopen('https://support.google.com/finance/?hl=en&ei=VC8QVaH0N-acwgP36IG4AQ').read()
soup = BeautifulSoup(html)

matches = soup.body(text='Finance')
for match in matches:
    match.wrap(soup.new_tag('span', style="background-color:#FE00FE"))
print soup

【问题讨论】：

试试soup.body.findAll(text='Finance')。它对你有用吗？
this SO post 能解决您的问题吗？如果是，这个问题是重复的。
不，同样只有第一个单词“财务”在结果文件中突出显示。在他的问题中，您想查看字符串“Python”是否位于页面上（一次或多次）。但我需要突出显示页面上的每个单词。
您正在搜索的文本恰好是“财务”一词。您想搜索所有包含该词的文本。用突出显示的单词替换单词也有点复杂，因为您必须将字符串拆分为单词之前、之间和之后的部分（如果一个字符串中出现多次）。

标签： python regex beautifulsoup

【解决方案1】：

我发现这个正则表达式变体用于单词突出显示。但结果文档包含损坏的 javascript

import urllib2
import re
from bs4 import BeautifulSoup

html = urllib2.urlopen('https://support.google.com/finance/?hl=en&ei=VC8QVaH0N-acwgP36IG4AQ').read()
soup = BeautifulSoup(html)

for text in soup.body.findAll(text=True):
    if re.search(r'inance\b',text):
        new_html = "<p>"+re.sub(r'(\w*)inance\b', r'<span style="background-color:#FF00FF">\1inance</span>', text)+"</p>"
        new_soup = BeautifulSoup(new_html)
        text.parent.replace_with(new_soup.p)
print soup

【讨论】：