Python 使用BeautifulSoup匹配html文档中的字符串，并在其出现的任何位置高亮显示该字符串

我试图匹配HTML文档中的字符串，并特别突出显示它。 我使用了BeautifulSoup和html.parser

到目前为止，我尝试使用find_all（）并传递要匹配的字符串，但它没有帮助，因为它返回元素中的整个文本

我希望您指导我如何针对文档中的特定字符串并突出显示它

例如：标记：

 <p>Lorem  is simply dummy text of the printing and typesetting industry.</p> 
 <p>Lorem has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it

 <p><mark>Lorem</mark> is simply dummy text of the printing and typesetting industry.</p> 
 <p><mark>Lorem</mark> has been the industry's standard dummy text ever since the 1500s, when an unknown printer took a galley of type and scrambled it

---

也许你可以试试这样的

soup = bs("<p>Lorem  is simply dummy text of the printing and typesetting industry.</p> ",'lxml')

# This is the word we want to put a tag around
special_word = 'Lorem'
content_orig = soup.p.text
split_content_orig = content_orig.split(special_word)

soup.p.string = ''  
soup.p.insert(len(soup.p), split_content_orig[0])

for i_word in split_content_orig[1:]:
# We need to create a new tag in every loop, otherwise it moves the tag around. Probably has something to do with each tag having a unique id()
    new_tag = soup.new_tag('mark')
    new_tag.string = special_word
    soup.p.insert(len(soup.p), new_tag)
    soup.p.insert(len(soup.p), i_word)

soup=bs（“Lorem只是印刷和排版行业的虚拟文本。
”，“lxml”）
#这就是我们想在周围贴上标签的词
特殊单词='Lorem'
content\u orig=soup.p.text
split\u content\u orig=content\u orig.split（特殊词）
soup.p.string=''
soup.p.insert（len（soup.p）、split\u content\u orig[0]）
对于拆分内容中的i_单词，源[1:]：
#我们需要在每个循环中创建一个新标记，否则它会移动标记。可能与每个具有唯一id（）的标记有关
新标签=汤。新标签（'标记'）
new_tag.string=特殊单词
soup.p.插入（len（soup.p），新标签）
soup.p.插入（len（soup.p），i_单词）

我也有类似的问题，我在这里提出了我的问题：

---

也许其他人会对此作出回应，并找到更好的解决方案。但同时，如果您使用的是更复杂的html，我想您可以使用它，可能您不想在html中的任何地方替换文本。这可能会破坏链接、图像、样式等

您只能通过以下操作替换文本的实例：

def highlight_html(html, re_highlighter):
    soup = BeautifulSoup(html, 'html.parser')
    for tag in soup.strings:
        highlighted = re_highlighter.sub(r"<mark>\1</mark>", tag)
        if highlighted != tag:
            highligted_soup = BeautifulSoup(highlighted, 'html.parser')
            tag.replace_with(highligted_soup)
    return str(soup)

# create your re rule as needed...
re_highlighter = re.compile(r"Lorem...", flags=re.IGNORECASE)
highlighted_html = highlight_html(html, re_highlight)

def高亮显示html（html、re高亮显示）：
soup=BeautifulSoup（html，'html.parser'）
对于soup.strings中的标记：
高亮显示=re_highlighter.sub（r“\1”，标记）
如果突出显示！=标签：
highligted_soup=BeautifulSoup（突出显示为“html.parser”）
标记。将_替换为（高亮度_汤）
返回str（汤）
#根据需要创建您的re规则。。。
re_highlighter=re.compile（r“Lorem…”，flags=re.IGNORECASE）
突出显示的\u html=突出显示的\u html（html，重新突出显示）

详细阐述你的“重点”@RomanPerekhrest我编辑了这个问题。

def highlight_html(html, re_highlighter):
    soup = BeautifulSoup(html, 'html.parser')
    for tag in soup.strings:
        highlighted = re_highlighter.sub(r"<mark>\1</mark>", tag)
        if highlighted != tag:
            highligted_soup = BeautifulSoup(highlighted, 'html.parser')
            tag.replace_with(highligted_soup)
    return str(soup)

# create your re rule as needed...
re_highlighter = re.compile(r"Lorem...", flags=re.IGNORECASE)
highlighted_html = highlight_html(html, re_highlight)