在大型 HTML 文件 python 中使用漂亮的汤正则表达式答案

【问题标题】：Using beautiful soup regex in a large HTML file python在大型 HTML 文件 python 中使用漂亮的汤正则表达式
【发布时间】：2019-03-14 14:10:16
【问题描述】：

我无法在任何地方找到这个特定问题的答案，而且我自己也无法弄清楚。

我有一个大的 HTML 文件，它是电子邮件的模板。我已将其作为文本文件读入并将值保存在变量 html_string 中我有几行包含语句，例如

<span style="color: #ff0000;"> {column_1}</span>

<span style="color: #ff0000;">{column_2}</span>

其中 {column_*} 部分将替换为其他值，例如名称。另一个问题建议使用诸如

之类的东西

    soup = BeautifulSoup(html_string, features="html5lib")

    target = soup.find_all(text=re.compile('^{column_$'))

    print("Target:")
    print(target)

    for v in target:
        # do something (this never gets accessed due to empty list)

   >>Target:
   >> []

而我希望它会返回 {column_*} 的位置列表或其他我可以用来插入我自己的字符串的东西。

我为 re.compile(x) 部分尝试了几种不同的结构，但没有任何效果。

任何帮助将不胜感激！

编辑------ 出于某种原因，即使我导入了 bs4，也只有 findAll 函数会执行我需要的功能 - 通常建议不要使用它，因为 bs4 中的 find_all 会“做同样的事情” ¬(..)¬

    soup = BeautifulSoup(html_string, features="html5lib")
    target = soup.findAll(text=re.compile('{column_.}'))

    for v in target:
        v.replace_with(dictionary[str(v)])

    body = str(soup)

【问题讨论】：

标签： python html regex

【解决方案1】：

您可以使用正则表达式来查找模板并将文本替换为所需的值：

import re
vals = {'column_1':'Name', 'column_2':'Age'}
result = re.sub('\{.*?\}', lambda x:vals[x.group()[1:-1]], content)
print(result)

输出：

<span style="color: #ff0000;"> Name</span>

<span style="color: #ff0000;">Age</span>

【讨论】：

【解决方案2】：

你也可以使用字典吗？

html  = '''
<span style="color: #ff0000;">column_1</span>
<span style="color: #ff0000;">column_2</span>
'''
soup = bs(html, 'lxml')
dict = {'column_1':'Name', 'column_2':'Age'}

for item in soup.select('[style="color: #ff0000;"]'):
    try:
        item.string = dict[item.text]
    except:
        continue
print(soup)

【讨论】：