BS4 replace_with 用新标签替换答案

【问题标题】：BS4 replace_with for replacing with new tagBS4 replace_with 用新标签替换
【发布时间】：2020-08-14 20:15:49
【问题描述】：

我需要在 html 文件中找到某些单词并用链接替换它们。结果应该是该文件（由浏览器显示）允许您像往常一样单击链接。 Beautiful Soup 会自动转义标签。我怎样才能避免这种行为？

最小的例子

#!/usr/bin/env python3
from bs4 import BeautifulSoup
import re

html = \
'''
   Identify
'''
soup = BeautifulSoup(html,features="html.parser")
for txt in soup.findAll(text=True):
  if re.search('identi',txt,re.I) and txt.parent.name != 'a':
    newtext = re.sub('identify', '<a href="test.html"> test </a>', txt.lower())
    txt.replace_with(newtext)
print(soup)

结果：

&lt;a href="test.html"&gt; test &lt;/a&gt;

预期结果：

<a href="test.html"> test </a>

【问题讨论】：

标签： python beautifulsoup replacewith

【解决方案1】：

您可以将带有标记的新汤作为.replace_with()的参数，例如：

import re
from bs4 import BeautifulSoup


html = '''
   Other Identify Other
'''
soup = BeautifulSoup(html,features="html.parser")
for txt in soup.findAll(text=True):
  if re.search('identi',txt,re.I) and txt.parent.name != 'a':
    new_txt = re.sub(r'identi[^\s]*', '<a href="test.html">test</a>', txt, flags=re.I)
    txt.replace_with(BeautifulSoup(new_txt, 'html.parser'))

print(soup)

打印：

   Other <a href="test.html">test</a> Other

【讨论】：

谢谢！它就像一个魅力。我很早就有这个解决方案，但在遇到另一个问题时就放弃了。

【解决方案2】：

您可以使用 w3lib，它的 replace_entities() 函数来替换字符串中的 HTML 实体。

要安装：pip install w3lib

from bs4 import BeautifulSoup
import re
from w3lib.html import replace_entities
html = \
'''
   Identify
'''
soup = BeautifulSoup(html,features="html.parser")
for txt in soup.findAll(text=True):
  if re.search('identi',txt,re.I) and txt.parent.name != 'a':
    newtext = re.sub('identify', r'<a href="test.html"> test </a>', txt.lower())
    txt.replace_with(newtext)

print(replace_entities(str(soup))) #str(soup) as its BeautifulSoup type not str

#Output
>>> <a href="test.html"> test </a>

【讨论】：

非常感谢！虽然您的解决方案可能也有效，但 Andrej 的解决方案不需要额外的导入，所以我更喜欢他的回答。