Question

我试图将HTML文件中的所有（用户可见）文本大写。这是显而易见的事情：

from bs4 import BeautifulSoup

def upcaseAll(str):
    soup = BeautifulSoup(str)
    for tag in soup.find_all(True):
        for s in tag.strings:
            s.replace_with(unicode(s).upper())
    return unicode(soup)

崩溃：

File "/Users/malvolio/flip.py", line 23, in upcaseAll
    for s in tag.strings:
  File "/Library/Python/2.7/site-packages/bs4/element.py", line 827, in _all_strings
    for descendant in self.descendants:
  File "/Library/Python/2.7/site-packages/bs4/element.py", line 1198, in descendants
    current = current.next_element
AttributeError: 'NoneType' object has no attribute 'next_element'

我能想到的所有变化都以同样的方式崩溃。当我替换很多NavigableStrings时，BS4似乎不喜欢它。我怎么能这样做？

Answer 1

你不应该使用str作为函数参数，因为这是python builtin的影子名称。

此外，您应该只需使用带有格式化程序的prettify来转换可见元素：

...
return soup.prettify(formatter=lambda x: unicode(x).upper())

我现在已经测试过并且有效：

from bs4 import BeautifulSoup

import requests

r = requests.get('http://www.stackoverflow.com')

soup = BeautifulSoup(r.content)

print soup.prettify(formatter=lambda x: unicode(x).upper())[:200]
<!DOCTYPE html>
<html>
 <head>
  <title>
   STACK OVERFLOW
  </title>
  <link href="//CDN.SSTATIC.NET/STACKOVERFLOW/IMG/FAVICON.ICO?V=00A326F96F68" rel="SHORTCUT ICON"/>
  <link href="//CDN.SSTATIC.NE
  ...

您可以阅读OUTPUT FORMATTER了解更多详细信息。

希望这有帮助。

使用BeautifulSoup调整DOM树中的所有文本

1 个答案: