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Python 在BeautifulSoup中将CDATA NavigableStrings替换为标记,python,xml,xml-parsing,beautifulsoup,cdata,Python,Xml,Xml Parsing,Beautifulsoup,Cdata,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
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
对象,并且 效果与调用其BeautifulSoup
方法相同.findAll()
- 我所知道的在BS3中获取
对象内容的唯一方法是切片 如上面的代码片段所示CData
将保留所有str(navstr)
垃圾,这显然是你不想要的。在BS4中,
给你的内容没有垃圾str(navstr)