Python 在BeautifulSoup中将CDATA NavigableStrings替换为标记

我正在使用BeautifulSoup解析几个XML文档提要，并希望进行一些预处理，以将非标准的

CDATA

标记替换为自定义XML标记。举例说明：

以下XML源代码

<title>The end of the world as we know it</title>
<category><![CDATA[Planking Dancing]]></category>
<pubDate><![CDATA[Sun, 16 Sep 2012 12:00:00 EDT]]></pubDate>
<dc:creator><![CDATA[Bart Simpson]]></dc:creator>

我们所知道的世界末日

…将变成：

<title>The end of the world as we know it</title>
<category><myTag>Planking Dancing<myTag></category>
<pubDate><myTag>Sun, 16 Sep 2012 12:00:00 EDT<myTag></pubDate>
<dc:creator><myTag>Bart Simpson<myTag></dc:creator>

我们所知道的世界末日
跳板舞
2012年9月16日星期日美国东部时间12:00:00
巴特·辛普森

我认为这个问题以前没有人问过，所以（我尝试了一些不同的SO查询）。我还使用

.findAll（'cdata'，text=True）

尝试了几种不同的方法，并将BeautifulSoup方法应用于每个生成的

Navigablesting

。我所做的尝试要么没有替换，要么看起来像一个递归循环

---

我很高兴发布我以前的尝试，但鉴于这里的问题非常简单，我希望有人能发布一个清晰的示例，说明如何使用BeautifulSoup 3完成上述搜索和替换。

CData

是

Navigablesting

的子类，因此您可以找到所有

CData

元素，首先搜索所有

navigablesting

对象，然后进行测试 是否每个都是CData的实例。一旦你有了一个，就很容易了 按照您的建议，使用

replacetwith

替换：

>>> from BeautifulSoup import BeautifulSoup, CData, Tag
>>> source = """
... <title>The end of the world as we know it</title>
... <category><![CDATA[Planking Dancing]]></category>
... <pubDate><![CDATA[Sun, 16 Sep 2012 12:00:00 EDT]]></pubDate>
... <dc:creator><![CDATA[Bart Simpson]]></dc:creator>
... """
>>> soup = BeautifulSoup(source)
>>> for navstr in soup(text=True):
...     if isinstance(navstr, CData):
...         tag = Tag(soup, "myTag")
...         tag.insert(0, navstr[:])
...         navstr.replaceWith(tag)
... 
>>> soup

<title>The end of the world as we know it</title>
<category><myTag>Planking Dancing</myTag></category>
<pubdate><myTag>Sun, 16 Sep 2012 12:00:00 EDT</myTag></pubdate>
<dc:creator><myTag>Bart Simpson</myTag></dc:creator>

>>>

>>从BeautifulSoup导入BeautifulSoup、CData、标记
>>>来源=”“
…我们所知道的世界末日
... 
... 
... 
... """
>>>汤=美汤（来源）
>>>对于soup中的navstr（text=True）：
...     如果isinstance（navstr，CData）：
...         标签=标签（汤，“我的标签”）
...         tag.insert（0，navstr[：]）
...         navstr.replaceWith（标记）
... 
>>>汤
我们所知道的世界末日
跳板舞
2012年9月16日星期日美国东部时间12:00:00
巴特·辛普森
>>>

几点注意：

• 您可以像调用函数一样调用

  BeautifulSoup

  对象，并且 效果与调用其

  .findAll（）

  方法相同

• 我所知道的在BS3中获取

  CData

  对象内容的唯一方法是切片 如上面的代码片段所示

  str（navstr）

  将保留所有
  垃圾，这显然是你不想要的。在BS4中，

  str（navstr）

  给你的内容没有垃圾