Python BeautifulSoup将单引号替换为双引号

在Python的BeautifulSoup4中，如果执行以下命令：

soup = BeautifulSoup("<a href='http://somelink'>link</a>")
print soup

给定

http://www.download3000.com/

page和上面的示例，my函数返回以下正则表达式：

\w\w>
\w\w\w\w

如果我将正则表达式应用于download3000的html代码，它将找不到任何匹配项。这是因为链接在html中被单引号包围，但当我使用BeautifulSoup时，它将单引号替换为双引号，并且生成的正则表达式仅适用于由BeaurifulSoup修改的html

这就是为什么我需要强制BeautifulSoup不要用双引号替换单引号，这样生成的正则表达式将是

\w\w>
\w\w\w\w

，从而从页面中提取我需要的内容

---

我可以使用一个转储解决方案，比如用

[“\']

替换正则表达式中的所有单引号，但是正则表达式也会捕获一些我不想要的链接。

这适用于BeautifulSoup 3.2。我假设发生的情况是，当单引号转换为

“

时，解析器会用 然后在输出时出现模式

“

或

”

>>> c="<a href='http://somelink'>"
>>> from BeautifulSoup import BeautifulSoup
>>> import re
>>> d=re.sub("'","&quot;",c)
>>> e=BeautifulSoup(d)
>>> def qfix(x):  return re.sub("\'\"|\"'","'",x)
>>> qfix((str(e))

>c=“”
>>>从BeautifulSoup导入BeautifulSoup
>>>进口稀土
>>>d=re.sub（“，”，c）
>>>e=美组（d）
>>>def qfix（x）：返回re.sub（“\”\“\”\”、“\”，x）
>>>qfix（（str（e））

您可能可以在Beautifulsoup4中使用类似于“qfix”的格式化程序

---

或者它可能根本不起作用：）

你为什么不想这样？意思是一样的。BeautifulSoup是一个用于访问HTML文档内容的库，这些内容保存得很好。@Martijn Pieters我正在编写一个正则表达式生成器。Atm它可以生成正则表达式，但由于BeautifulSoup和生成的reg-ex在原始文档中不匹配，因此reg-ex包含双引号而不是单引号。您确实应该避免在此处使用正则表达式。而且您的正则表达式生成器不能调整为使用

[“']

来代替？@IonutHulub:为什么不做一个简单的字符串替换呢？我不能只使用一个sting替换，因为这样它也会捕获双引号，而我（总是）不会这样做想被抓住。我不想听起来粗鲁，但如果你停止质疑我的理由，只提供一个答案就好了。3.2.1对我来说不起作用，但应该补充一点，我已经在处理unicode HTML了，所以可能区别纯粹在于使用

str（e）

而不是

unicode（e）

。

samples = [
    '/showarticles-1-0-date.html',
    '/showarticles-2-0-date.html',
    '/showarticles-3-0-date.html'
]

>>> c="<a href='http://somelink'>"
>>> from BeautifulSoup import BeautifulSoup
>>> import re
>>> d=re.sub("'","&quot;",c)
>>> e=BeautifulSoup(d)
>>> def qfix(x):  return re.sub("\'\"|\"'","'",x)
>>> qfix((str(e))