Python 逐行解析HTML

我正在编写一个用于解析HTML的python代码。这里的目标是在每行中查找字符串，并按如下所示对其进行更改：

原文：“Criar警报”

预期结果：“创建警报”

然后，为了确保创建的新HTML与原始HTML具有相同的结构，我需要逐行解析后面的HTML，识别字符串，并将其从字典中更改为等效的HTML

我看到BeautifulSoup可以解析特定的标记。我试过了，但结果不确定

然后我问：如果BeautifulSoup可以处理标记，并且每行有多个标记，那么是否可以使用BeautifulSoup进行逐行解析

提前感谢,

蒂亚戈

@Jack Fleeting

在下面的示例中，我想将“Início”替换为“Start”：

原件：

<li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>

下面是我编写的代码，用于使用BeautifulSoup练习HTML解析。 （我注意到所有要替换的字符串都在“a”标记内，然后我使用了SoupStrainer（“a”））

原始行的分析和打印如下所示：

<a href="index.html" style="color:#00233C;">
 <i class="icon icon-home">
 </i>
 Início
</a>

鉴于上面的打印，我不确定是否能够获得预期的结果

我的目的是找到每行的字符串，然后在字典中搜索其等价项，并执行替换

现在，我想知道如何使用BeatifulSoup执行字符串替换。 之后，我将编写一个“for”循环，以最终替换HTML文件中的所有行

我的第一次尝试（在了解BeautifulSoup之前）是处理一个以二进制形式读取的HTML文件的.txt版本，这证明了它非常耗时且没有效率。

@Jack Fleeting

在下面的示例中，我想将“Início”替换为“Start”：

原件：

<li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>

下面是我编写的代码，用于使用BeautifulSoup练习HTML解析。 （我注意到所有要替换的字符串都在“a”标记内，然后我使用了SoupStrainer（“a”））

原始行的分析和打印如下所示：

<a href="index.html" style="color:#00233C;">
 <i class="icon icon-home">
 </i>
 Início
</a>

鉴于上面的打印，我不确定是否能够获得预期的结果

我的目的是找到每行的字符串，然后在字典中搜索其等价项，并执行替换

现在，我想知道如何使用BeatifulSoup执行字符串替换。 之后，我将编写一个“for”循环，以最终替换HTML文件中的所有行

---

我的第一次尝试（在了解BeautifulSoup之前）是处理一个以二进制形式读取的HTML文件的.txt版本，这证明了它非常耗时且没有效率。

我相信下面是您正在寻找的内容

让我们使用3行代码，其中两行包含字典中的单词，另一行不包含单词-只是为了测试代码：

rep = """
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Nunca</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Criar Alerta</a></li>
    """

soup = BeautifulSoup(rep, 'lxml')

only_a_tags = soup.find_all('a')

for item in range(len(only_a_tags)):
    for word in rep_dict:
        if word in str(only_a_tags[item]):
            print(str(only_a_tags[item]).replace(word,rep_dict[word]))

现在来看看代码：

rep = """
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Nunca</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Criar Alerta</a></li>
    """

soup = BeautifulSoup(rep, 'lxml')

only_a_tags = soup.find_all('a')

for item in range(len(only_a_tags)):
    for word in rep_dict:
        if word in str(only_a_tags[item]):
            print(str(only_a_tags[item]).replace(word,rep_dict[word]))

输出：

<a href="index.html" style="color:#00233C;"><i class="icon icon-home"></i>  Start</a>
<a href="index.html" style="color:#00233C;"><i class="icon icon-home"></i>  Create    Alert</a>

---

包含“nunca”的项目未打印，因为“nunca”不在

rep_dict

我相信以下内容就是您要查找的内容

让我们使用3行代码，其中两行包含字典中的单词，另一行不包含单词-只是为了测试代码：

rep = """
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Nunca</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Criar Alerta</a></li>
    """

soup = BeautifulSoup(rep, 'lxml')

only_a_tags = soup.find_all('a')

for item in range(len(only_a_tags)):
    for word in rep_dict:
        if word in str(only_a_tags[item]):
            print(str(only_a_tags[item]).replace(word,rep_dict[word]))

现在来看看代码：

rep = """
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Nunca</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Criar Alerta</a></li>
    """

soup = BeautifulSoup(rep, 'lxml')

only_a_tags = soup.find_all('a')

for item in range(len(only_a_tags)):
    for word in rep_dict:
        if word in str(only_a_tags[item]):
            print(str(only_a_tags[item]).replace(word,rep_dict[word]))

输出：

<a href="index.html" style="color:#00233C;"><i class="icon icon-home"></i>  Start</a>
<a href="index.html" style="color:#00233C;"><i class="icon icon-home"></i>  Create    Alert</a>

---

包含“nunca”的项目没有打印出来，因为“nunca”不在

rep_dict

中。我看到一篇帖子将我引向了问题中的问题。我想你需要更具体一点。你能举例说明几行，相关的字典和想要的输出吗？我看到了一篇帖子，这篇帖子把我引向了问题中的答案。我想你需要更具体一点。你能举一个例子，其中有几行，相关的字典和所需的输出吗？代码在我的html文件中运行得很好。我将在一个特定的.py文件中编写字典，因为它有200多个条目，仍然可以更新。“dict”这个名字你说得对。非常感谢你的帮助！代码在我的html文件中运行得非常好。我将在一个特定的.py文件中编写字典，因为它有200多个条目，仍然可以更新。“dict”这个名字你说得对。非常感谢你的帮助！