python - BeautifulSoup Replace_with 用于非标准标签

Question

我正在尝试编写一个解析器，它将采用 HTML 并将其转换/输出为 Wiki 语法( <b> = ''' 、 <i> = '' 等)。

到目前为止，BeautifulSoup 似乎只能替换标签内的内容，所以 <b>变成<'''>而不是''' 。我可以使用 re.sub() 来交换这些标签，但是由于 BS 将文档转换为“Python 对象的复杂树”，我不知道如何交换这些标签并将它们重新插入到整体中文档。

有人有想法吗？

Answer 1

我很确定已经有工具可以为您做到这一点，但如果您询问如何使用 BeautifulSoup 做到这一点，您可以使用 replace_with()，但您需要保留元素的文本。天真的和简单的例子:

from bs4 import BeautifulSoup

data = """
<div>
    <b>test1</b>
    <i>test2</i>
</div>
"""

soup = BeautifulSoup(data, "html.parser")

for b in soup.find_all("b"):
    b.replace_with("'''%s'''" % b.text)

for i in soup.find_all("i"):
    i.replace_with("''%s''" % i.text)

print(soup.prettify())

打印:

<div>
 '''test1'''
 ''test2''
</div>