Question

我有一个非常愚蠢和讨厌的问题，我尝试将html转换为markdown但我的html格式很傻：我一直有这样的东西：

<strong>Ihre Aufgaben:<br/></strong>

或

<strong> <br/>Über die XXXX GmbH:<br/></strong>

这是完全有效的HTML。

但是我要转换为Markdown（HTML2Text）的库会将其转换为：

**Ihre Aufgaben:\n**

和

** \nÜber die XXXX GmbH:\n**

这是already reported issue，因为降价无效且无法正确呈现

我解决这个问题的方法如下：

使用BeautifulSoup查找导致此问题的所有strong
将 分为两组：文本前面的文本和文本后面的内容。
打开文本后面的内容，以便将它们推出

我的代码（格式化程度不是很高）：

soup = BeautifulSoup(html)
emphased = soup.find_all('strong')
for single in emphased:
    children = single.children
    before = 0
    foundText = None
    after = 0
    for child in children:
        if not isinstance(child, NavigableString):
             if foundText:
                after += 1
                child.unwrap()
             else:
                before += 1
                # DOES NOT WORK
                child.unwrap()
        else:
           foundText = single.get_text().strip()

我目前的问题是什么？

我想在内容之前打开  ，然后将放在 元素之前，我无法实现（并且没有实现）找到如何进入doc）。

我想要更普遍地实现什么目标？：

我想改变它：

<strong> <br/>Über die XXXX GmbH: </strong>

进入

# Note the space
(whitespace)<br/><strong>Über die XXXX GmbH:</strong>(whitespace)

它不必使用Beautiful Soup，我只是不知道其他解决方案。

提前致谢！

Answer 1

根据您的示例，您可以从br代码中提取所有strong代码并添加前缀，将最新代码替换为新代码。

这是一个片段：

from bs4 import BeautifulSoup

soup = BeautifulSoup("<strong>Ihre Aufgaben:<br/></strong>", "html.parser")
for strong in soup.find_all("strong"):
    [s.extract() for s in strong.find_all('br')]
    strong.string = strong.get_text(strip=True)
    strong.replaceWith(BeautifulSoup( " %s%s " % ("<br/>", strong), "html.parser"))
print soup

哪个输出：

 Ihre Aufgaben:

美丽的汤：从<strong>

1 个答案: