Question

我有一个像这样的HTML：

<hmtl>
    <body>
        <h1>heading 1</h1>
        <p>blah</p>
        <h2>heading 2</h2>
        <p>blah</p>
        <h2>heading 3</h2>
        <p>blah</p>
    </body>
</html>

我希望能够返回美化文本，而不是HTML。

我认为唯一的方法是找到并用标题替换每个标题，再添加换行符。

有更好的方法吗？

Answer 1

如果您需要，可以在每个标题后插入<br/>标记，以增加标题和内容之间的空间：

import re
for header in soup.find_all(name=re.compile(r'^h\d')):
    br=soup.new_tag('br')
    header.insert_after(br)

插入之前：

from bs4 import BeautifulSoup
soup = BeautifulSoup("""<hmtl>
    <body>
        <h1>heading 1</h1>
        <p>blah</p>
        <h2>heading 2</h2>
        <p>blah</p>
        <h2>heading 3</h2>
        <p>blah</p>
    </body>
</html>""", "html.parser")

from IPython.display import display, HTML
chart = HTML(str(soup))
display(chart)

插入<br/>代码：

for header in soup.find_all(name=re.compile(r'^h\d')):
    br=soup.new_tag('br')
    header.insert_after(br)

chart = HTML(str(soup))
display(chart)

找到并取代Beautifulsoup

1 个答案: