我想在BeautifulSoup中包含一些尚未与锚链接链接的单词。我用它来实现它:
public synchronized void method1A() {
// ......
method1B();
}
public synchronized void method1B() {
// ...
}
遗憾的是返回
from bs4 import BeautifulSoup
import re
text = ''' replace this string '''
soup = BeautifulSoup(text)
pattern = 'replace'
for txt in soup.findAll(text=True):
if re.search(pattern,txt,re.I) and txt.parent.name != 'a':
newtext = re.sub(r'(%s)' % pattern,
r'<a href="#\1">\1</a>',
txt)
txt.replaceWith(newtext)
print(soup)
我正在寻找:
<html><body><p><a href="#replace">replace</a> this string </p></body></html>
有没有办法告诉BeautifulSoup不要逃避链接元素?
要替换的简单正则表达式不会在这里做,因为我最终不仅会有一个我想要替换但只有多个的模式。这就是我决定使用BeautifulSoup排除已经是链接的所有内容的原因。
答案 0 :(得分:2)
您需要使用new_tag
使用insert_after
创建新代码,以便在新创建的text
代码后插入部分a
。
for txt in soup.find_all(text=True):
if re.search(pattern, txt, re.I) and txt.parent.name != 'a':
newtag = soup.new_tag('a')
newtag.attrs['href'] = "#{}".format(pattern)
newtag.string = pattern
txt.replace_with(newtag)
newtag.insert_after(txt.replace(pattern, ""))