Python 用html文档中的元素替换多个字符串
我有多个字符串，我想在HTML文档中包装HTML标记。我想保持文本不变，但用包含该字符串的HTML元素替换字符串 此外，我要替换的一些字符串包含我要替换的其他字符串。在这些情况下，我希望应用较大字符串的替换，而忽略较小字符串的替换 此外，我只想在这些字符串完全包含在同一元素中时执行此替换 这是我的替换名单Python 用html文档中的元素替换多个字符串,python,html,beautifulsoup,Python,Html,Beautifulsoup,我有多个字符串，我想在HTML文档中包装HTML标记。我想保持文本不变，但用包含该字符串的HTML元素替换字符串 此外，我要替换的一些字符串包含我要替换的其他字符串。在这些情况下，我希望应用较大字符串的替换，而忽略较小字符串的替换 此外，我只想在这些字符串完全包含在同一元素中时执行此替换 这是我的替换名单 replacement_list = [ ('foo', '<span title="foo" class="customclass34">foo</span>
replacement_list = [
('foo', '<span title="foo" class="customclass34">foo</span>'),
('foo bar', '<span id="id21" class="customclass79">foo bar</span>')
]
替换列表=[
（‘foo’、‘foo’），
（“foobar”、“foobar”）
]
<html>
<body>
<p>Paragraph contains foo</p>
<p>Paragraph contains foo bar</p>
</body>
</html>
段落包含foo
段落包含foo-bar
<html>
<body>
<p>Paragraph contains <span title="foo" class="customclass34">foo</span></p>
<p>Paragraph contains <span id="id79" class="customclass79">foo bar</span</p>
</body>
</html>
段落包含foo
段落包含foo-bar处理小文件时，最好逐行读取文件，并在每一行中替换要替换的内容，然后将所有内容写入新文件
假设您的文件名为output.html
：
replacement_list = {'foo': '<span title="foo" class="customclass34">foo</span>', 'foo bar':'<span id="id21" class="customclass79">foo bar</span>'}
with open('output.html','w') as dest :
with open('test.html','r') as src :
for line in src: #### reading the src file line by line
str_possible = []
for string in replacement_list.keys(): #### looping over all the strings you are looking for
if string in line: ### checking if this string is in the line
str_possible.append(string)
if len(str_possible) >0:
str_final = max(str_possible, key=len) ###taking the appropriate one, which is the longest
line = line.replace(str_final,replacement_list[str_final])
dest.write(line)
replacement_list={'foo'：'foo'，'foo-bar'：'foo-bar}
以open（'output.html'，'w'）作为dest：
以open（'test.html'，'r'）作为src：
对于src中的行：#####逐行读取src文件
str_可能=[]
对于替换_list.keys（）中的字符串：######在所有要查找的字符串上循环
如果字符串在行中：###检查此字符串是否在行中
str_可能。追加（字符串）
如果len（str_可能）>0：
str_final=max（str_可能，key=len）#####取适当的一个，它是最长的
line=line.replace（str\u final，replacement\u list[str\u final]）
目标写入（行）
我还建议您检查python中字典的使用情况，这是我用于replacement\u list
的对象
最后，如果行上最多有一个字符串，则此代码将起作用。如果有两个，则需要对其进行一些调整，但这将为您提供总体思路。我认为这与您所寻找的非常接近。您可以使用soup.find_all（string=True）
仅获取navigablesting元素，然后进行替换
from bs4 import BeautifulSoup
html="""
<html>
<body>
<p>Paragraph contains foo</p>
<p>Paragraph contains foo bar</p>
</body>
</html>
"""
replacement_list = [
('foo', '<span title="foo" class="customclass34">foo</span>'),
('foo bar', '<span id="id21" class="customclass79">foo bar</span>')
]
soup=BeautifulSoup(html,'html.parser')
for s in soup.find_all(string=True):
for item in replacement_list[::-1]: #assuming that it is in ascending order of length
key,val=item
if key in s:
new_s=s.replace(key,val)
s.replace_with(BeautifulSoup(new_s,'html.parser')) #restrict youself to this built-in parser
break#break on 1st match
print(soup)
#generate a new valid soup that treats span as seperate tag if you want
soup=BeautifulSoup(str(soup),'html.parser')
print(soup.find_all('span'))
从bs4导入美化组
html=”“”
段落包含foo
段落包含foo-bar
"""
替换列表=[
（‘foo’、‘foo’），
（“foobar”、“foobar”）
]
soup=BeautifulSoup（html，'html.parser'）
对于汤中的s.find_all（string=True）：
对于替换列表[：-1]：#中的项目，假设它是按长度升序排列的
键，val=项
如果输入s：
新_s=s.替换（键，val）
s、 将_替换为（BeautifulSoup（新的_，'html.parser'））#将您自己限制为该内置解析器
休息#第一场比赛休息
印花（汤）
#如果需要，生成一个新的有效soup，将span视为单独的标记
soup=BeautifulSoup（str（soup），'html.parser'）
打印（soup.find_all（'span'））
产出：
<html>
<body>
<p>Paragraph contains <span class="customclass34" title="foo">foo</span></p>
<p>Paragraph contains <span class="customclass79" id="id21">foo bar</span></p>
</body>
</html>
[<span class="customclass34" title="foo">foo</span>, <span class="customclass79" id="id21">foo bar</span>]
段落包含foo
段落包含foo-bar
[foo，foo-bar]
我找到了一个解决方案
我必须为每个不同的字符串遍历HTML，我想将HTML标记包装起来。这似乎效率低下，但我找不到更好的方法
我在插入的所有标记中添加了一个类，用于检查我尝试替换的字符串是否是已替换的较大字符串的一部分
此解决方案也不区分大小写（它将标记环绕字符串“fOo”），同时保留原始文本的大小写
def html_update(input_html):
from bs4 import BeautifulSoup
import re
soup = BeautifulSoup(input_html)
replacement_list = [
('foo', '<span title="foo" class="customclass34 replace">', '</span>'),
('foo bar', '<span id="id21" class="customclass79 replace">', '</span>')
]
# Go through list in order of decreasing length
replacement_list = sorted(replacement_list, key = lambda k: -len(k[0]))
for item in replacement_list:
replace_regex = re.compile(item[0], re.IGNORECASE)
target = soup.find_all(string=replace_regex)
for v in target:
# You can use other conditions here, like (v.parent.name == 'a')
# to not wrap the tags around strings within links
if v.parent.has_attr('class') and 'replace' in v.parent['class']:
# The match must be part of a large string that was already replaced, so do nothing
continue
def replace(match):
return '{0}{1}{2}'.format(item[1], match.group(0), item[2])
new_v = replace_regex.sub(replace, v)
v.replace_with(BeautifulSoup(new_v, 'html.parser'))
return str(soup)
def html\u更新（输入html）：
从bs4导入BeautifulSoup
进口稀土
soup=BeautifulSoup（输入\u html）
替换列表=[
("foo","foo","foo","foo",，
（“foo-bar”、“foo-bar”、“foo-bar”）
]
#按长度递减的顺序浏览列表
替换列表=已排序（替换列表，键=lambda k:-len（k[0]））
对于替换列表中的项目：
替换_regex=re.compile（项[0]，re.IGNORECASE）
target=soup.find_all（string=replace_regex）
对于目标中的v：
#您可以在这里使用其他条件，例如（v.parent.name=='a'）
#不将标记环绕链接中的字符串
如果v.parent.在v.parent['class']中有_attr（'class'）和'replace'：
#匹配必须是已替换的大字符串的一部分，因此请不要执行任何操作
继续
def更换（匹配）：
返回'{0}{1}{2}'。格式（项[1]，匹配组（0），项[2]）
新建=替换正则表达式sub（替换，v）
v、 将_替换为（BeautifulSoup（新的_v，'html.parser'））
返回str（汤）
此代码将替换“foo”并在第二行保留“bar”不变，因此“foo bar”根本不会被替换。哦，对了，我走得有点太快了。我刚刚根据您的评论更新了我的代码。此解决方案的问题是，如果字符串出现在html标记中，它将替换字符串，从而导致格式错误的html。我不确定我是否理解，因为我对html了解不多，但是你的意思是如果你有
和
它会取代它吗？在这种情况下，您只需检查行中是否没有用于修改HTML的，通常最好使用HTML库，而不是简单的字符串替换。边缘案例太多，无法自己可靠地完成。在本例中，使用Beautiful Soup提取文本（去掉HTML标记），然后进行替换可能会奏效，因此我现在正尝试这样做。不过我很欣赏这个答案。我投票赞成一个接近的解决方案，它向我展示了可以使用的工具。我正在使用的HTML可能在单个NavigableString对象中有多个要替换的字符串匹配项，因此在第一个匹配项上断开以防止重复