Fatal编程技术网
  • python/
  • Python 按文本查找并在HTML BeautifulSoup中替换

Python 按文本查找并在HTML BeautifulSoup中替换

python regex

Python 按文本查找并在HTML BeautifulSoup中替换,python,regex,html-parsing,beautifulsoup,lxml,Python,Regex,Html Parsing,Beautifulsoup,Lxml,我正在尝试使用python和BeautifulSoup标记一个HTML文件（字面上是用“标记”标记包装字符串）。问题基本上如下 假设我有我的原始html文档： test = "<h1>oh hey</h1><div>here is some <b>SILLY</b> text</div>" test=“哦，嘿，这里有一些愚蠢的文字” 我想对文档中的字符串进行不区分大小写的搜索（忽略HTML），并将其包装在“mark”标记

我正在尝试使用python和BeautifulSoup标记一个HTML文件（字面上是用“标记”标记包装字符串）。问题基本上如下

假设我有我的原始html文档：

test = "<h1>oh hey</h1><div>here is some <b>SILLY</b> text</div>"

test=“哦，嘿，这里有一些愚蠢的文字”
我想对文档中的字符串进行不区分大小写的搜索（忽略HTML），并将其包装在“mark”标记中。假设我想在html中找到“这是一些愚蠢的文本”（忽略粗体标记）。我想获取匹配的html并将其包装在“mark”标记中

例如，如果我想在测试中搜索“这是一些愚蠢的文本”，那么所需的输出是：

"<h1>oh hey</h1><div><mark>here is some <b>SILLY</b> text</mark></div>"

“哦，嘿，这里有一些愚蠢的文字”
有什么想法吗？如果更适合使用lxml或正则表达式，我也愿意接受这些解决方案。

>soup=bs4.BeautifulSoup（test）

>>> soup = bs4.BeautifulSoup(test)
>>> matches = soup.find_all(lambda x: x.text.lower() == 'here is some silly text')
>>> for match in matches:
...     match.wrap(soup.new_tag('mark'))
>>> soup
<html><body><h1>oh hey</h1><mark><div>here is some <b>SILLY</b> text</div></mark></body></html>


>>>matches=soup.find_all（lambda x:x.text.lower（）=='这是一些愚蠢的文本'）
>>>对于匹配中的匹配：
...     匹配。包装（汤。新标签（'mark'））
>>>汤
哦，嘿，这里有一些愚蠢的文字
我必须将一个函数作为
name
传递给比较
x.text.lower（）
的
find_all
，而不是将
text
参数与比较
x.lower（）
的函数一起使用，原因是后者在某些情况下找不到您显然想要的内容

在某些情况下，
wrap
功能可能无法以这种方式工作。如果没有，则必须改为
枚举（匹配项）
，并设置
匹配项[i]=match.wrap（soup.new_标记（'mark'））
。（不能使用
replace_with
将标记替换为引用自身的新标记。）

另外请注意，如果您的预期用例允许任何非ASCII字符串与
“这里有一些愚蠢的文本”
（或者如果您希望扩展代码以处理非ASCII搜索字符串），则上面使用
lower（）的代码可能不正确。您可能想调用
str.casefold（）
和/或
locale.strxfrm
和/或使用
locale.strcoll（s，t）
，而不是使用
=
，但您必须了解您想要什么，以及如何让它选择正确的答案。
接近另一个问题的副本@melwil-很接近，但仅涵盖问题的（区分大小写）文本检索部分。如何使用类似的搜索字符串，在html中查找不区分大小写的匹配项，并将这些匹配项包装在标记标记中？一旦找到文本，只需将其插入标记标记中包含的父项中即可。您想如何处理
以下是一些愚蠢的文本
？如果将其转换为
，这里有一些愚蠢的文本
，那么
标记
跨越两个同级元素。“可以吗？”凯文-是的！我很好，非常感谢！看起来你可以在matches:match.wrap（soup.new_tag（'mark'））中对match进行
。
@MuradSalahi:我刚刚测试了一下。它似乎在4.1.3中起作用，但在4.0.5中不起作用。我不知道为什么，但我会把它改成简单的版本，并给出解释，或者对任何不适合它的人。谢谢@塞巴斯蒂安：是的。但是如果不知道用例，就不可能描述什么是正确的。我会更新答案来涵盖这一点。如果我想要的是“愚蠢的文本”怎么办？它跨越2个标签，所以你无法通过iter所有标签找到它。