Python 如何将相应的HTML结尾附加到每一段已删除的文本？

简而言之，我正在制作一个程序，从URL列表中提取特定的引用。我需要的结果也有从相应的URL结尾的先生编号，添加到每个刮引用

从bs4导入美化组
导入请求
进口稀土
作为pd进口熊猫
进口itertools
#定义两个函数以帮助仅查找所需引用：
匹配所有=r'.*'
def like（字符串）：
"""
返回与给定值匹配的已编译正则表达式
带有任何前缀和后缀的字符串，例如如果string=“hello”，
返回的正则表达式与r“*hello.*”匹配
"""
字符串
如果不存在（字符串，str）：
字符串=str（字符串）
regex=MATCH\u ALL+re.escape（字符串）+MATCH\u ALL
返回re.compile（regex，flags=re.DOTALL）
def按文本查找（汤、文本、标记、**kwargs）：
"""
在soup中查找与所有提供的Kwarg匹配的标记，并包含
文本。
如果未找到匹配项，则引发ValueError。
"""
元素=汤。全部查找（标记，**kwargs）
匹配项=[]
对于元素中的元素：
if element.find（text=like（text））：
匹配。追加（元素）
如果len（匹配）==0：
raise VALUE ERROR（“未找到匹配的引用”）
其他：
复赛
#定义URL列表：
基本URL=”https://sis1.host.cs.st-andrews.ac.uk/GAP/"
mrn=[“MR4044696”、“MR2900886”、“MR3169623”、“MR4180136”]
url_list=[]
对于范围内的i（len（mrn））：
url=（基本url+mrn[i]+'.html'）
url\u list.append（url）
打印（url\u列表）
所有内容=[]
所有匹配项=[]
#这是迭代并收集结果的循环：
对于url_列表中的url：
page=请求.get（url）
soup=BeautifulSoup（page.content，'html.parser'）
匹配=（按文本查找（soup，'GAP，'li'））
所有匹配项。追加（匹配项）
打印（所有匹配项）
输出
“[[

GAP组，GAP–组、算法和编程，版本4.10，可从http://www.gap-system.org, 2018. 
]，[

GAP组，$GAP$GAP组、算法和编程，版本4.4.12（2008），http://www.gap-system.org. 
]，[

Distler，A.，Mitchell，J.D.（2011）。Smallsemi——一个小半群库。http://url.com，Oct A GAP 4软件包[5]，版本0.6.4。
，

GAP小组（2008年）(http://www.gap-system.org).GAP–组、算法和编程，版本4.4.12。
]，[

GAP集团，2019年。GAP–集团、算法和编程，版本4.10.1；https://www.gap-system.org. 
]]

我需要在每个结果的开头添加相应的MR编号，例如：

MR4044696, The GAP Group, GAP – groups, algorithms and programming, version 4.10, Available from http://www.gap-system.org, 2018. 

MR2900886, Distler, A., Mitchell, J. D. (2011). <span class="it">Smallsemi - A Library of Small Semigroups.</span> http://url.com, Oct A GAP 4 package [5], Version 0.6.4. 

MR3169623, The GAP Group, (2008). (http://www.gap-system.org). <span class="it">GAP–Groups, Algorithms, and Programming, Version 4.4.12.</span>

在

find_by_text

函数中，但无论我在哪里添加它，所有内容都会中断，并且无法正常工作。

---

看在上帝的份上，我做不到这一点，请帮助我，并向你表示衷心的感谢

我将创建一个字典而不是一个列表，然后遍历该字典并将该值附加到

匹配项中。另一种wya方法是对url进行切片，并使用您在其中创建的mrn

from bs4 import BeautifulSoup, NavigableString
import requests
import re
import pandas as pd
import itertools

#DEFINING TWO FUNCTIONS TO HELP FINDING ONLY THE WANTED CITATIONS:
MATCH_ALL = r'.*'


def like(string):
    """
    Return a compiled regular expression that matches the given
    string with any prefix and postfix, e.g. if string = "hello",
    the returned regex matches r".*hello.*"
    """
    string_ = string
    if not isinstance(string_, str):
        string_ = str(string_)
    regex = MATCH_ALL + re.escape(string_) + MATCH_ALL
    return re.compile(regex, flags=re.DOTALL)


def find_by_text(soup, text, tag, **kwargs):
    """
    Find the tag in soup that matches all provided kwargs, and contains the
    text.

    If no match is found, raise ValueError.
    """
    elements = soup.find_all(tag, **kwargs)
    matches = []
    for element in elements:
        if element.find(text=like(text)):
            matches.append(element)
    if len(matches) == 0:
        raise ValueError("No matching citations were found")
    else:
        return matches

#DEFINING URL LIST:

base_URL = "https://sis1.host.cs.st-andrews.ac.uk/GAP/"
mrn = ["MR4044696", "MR2900886", "MR3169623", "MR4180136"]
url_dict = {}

for i in range(len(mrn)):
    url = (base_URL + mrn[i] + '.html')
    url_dict[url] = mrn[i]
    
print(url_dict)

all_content = []
all_matches = []

#THIS IS THE LOOP WHICH ITERATES THROUGH AND GATHER THE RESULTS:

for url, mrn in url_dict.items():
    page = requests.get(url)
    soup = BeautifulSoup(page.content, 'html.parser')
    match = (find_by_text(soup, 'GAP', 'li'))[0]
    match.insert(0, NavigableString("%s, " %mrn))
    all_matches.append(match)
print(all_matches)

输出：

[<li>MR4044696, 
  The GAP Group, GAP – groups, algorithms and programming, version 4.10, Available from http://www.gap-system.org, 2018. 

</li>, <li>MR2900886, 
  The GAP Group, <span class="MathTeX">$GAP$</span><script type="math/tex">GAP</script> groups, algorithms, and programming, version 4.4.12 (2008), http://www.gap-system.org. 

</li>, <li>MR3169623, 
  Distler, A., Mitchell, J. D. (2011). <span class="it">Smallsemi - A Library of Small Semigroups.</span> http://blacklistshorteners.com/, Oct A GAP 4 package [5], Version 0.6.4. 

</li>, <li>MR4180136, 
  The GAP Group, 2019. GAP – Groups, Algorithms, and Programming, Version 4.10.1; https://www.gap-system.org. 

</li>]

[
MR4044696，
GAP组，GAP–组、算法和编程，版本4.10，可从http://www.gap-system.org, 2018. 
，
MR2900886，
GAP组，$GAP$GAP组、算法和编程，版本4.4.12（2008），http://www.gap-system.org. 
，
MR3169623，
Distler，A.，Mitchell，J.D.（2011）。Smallsemi——一个小半群库。http://blacklistshorteners.com/，Oct A GAP 4软件包[5]，版本0.6.4。
，
MR4180136，
GAP集团，2019年。GAP–集团、算法和编程，版本4.10.1；https://www.gap-system.org. 
]

[<li>MR4044696, 
  The GAP Group, GAP – groups, algorithms and programming, version 4.10, Available from http://www.gap-system.org, 2018. 

</li>, <li>MR2900886, 
  The GAP Group, <span class="MathTeX">$GAP$</span><script type="math/tex">GAP</script> groups, algorithms, and programming, version 4.4.12 (2008), http://www.gap-system.org. 

</li>, <li>MR3169623, 
  Distler, A., Mitchell, J. D. (2011). <span class="it">Smallsemi - A Library of Small Semigroups.</span> http://blacklistshorteners.com/, Oct A GAP 4 package [5], Version 0.6.4. 

</li>, <li>MR4180136, 
  The GAP Group, 2019. GAP – Groups, Algorithms, and Programming, Version 4.10.1; https://www.gap-system.org. 

</li>]