BeautifulSoup replace_with非标准标签

Question

我正在尝试编写一个解析器，将采取HTML和转换/输出到Wiki语法（<b> = ''',<i> == ''等）。

到目前为止，BeautifulSoup似乎只能替换标签内的内容，因此<b>变为<'''>而不是'''。我可以使用re.sub（）将它们交换出来，但是由于BS将文档转换为“Python对象的复杂树”，我无法弄清楚如何替换这些标签并将它们重新插入到整体中文件。

有没有人有想法？

Answer 1

我很确定已经有工具可以为你做这件事，但如果你问的是如何使用BeautifulSoup来做到这一点，你可以使用replace_with()，但你需要保留元素的文本。天真和简单的例子：

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>