Question

我正在使用BeautifulSoup 4尝试遍历字符串列表并替换子字符串，但是在遍历replace_with生成器的同时执行strings会退出循环早点。

例如，给出此代码

from bs4 import BeautifulSoup

s = BeautifulSoup("<p>a</p><p>b</p><p>c</p>", features="html.parser")
for st in s.strings:
  st.replace_with('replace')

s的最终内容将为replacebc，而预期的行为是将a，b和c分别替换。逐步执行调试程序可确认替换发生后strings处暂停了迭代，基本上只执行了一次迭代并提早退出。

在实践中，我将更新字符串的小节，并用新创建的BeautifulSoup对象替换它们，因此，更简单的替换方法可能行不通：

updated = st.replace(keyword, f'<a href="url/{keyword}">{keyword}</a>')
st.replace_with(BeautifulSoup(updated, features="html.parser"))

是否有解决方法或更正确的方法？

Answer 1

我不确定为什么replace_with()会中断生成器，但是假设字符串列表不是很大，一种可能的解决方法是使用list()一次获取它的所有值： / p>

from bs4 import BeautifulSoup

s = BeautifulSoup("<p>a</p><p>b</p><p>c</p>", features="html.parser")

for st in list(s.strings):
    st.replace_with("replace")

print(s)

结果：

<p>replace</p><p>replace</p><p>replace</p>

Answer 2

您将得到此输出b'coz，如replace_with()的文档

中所述

PageElement.replace_with（）从树中删除标签或字符串，然后将其替换为您选择的标签或字符串

从树中删除后，它不再具有next_element，并且生成器提前退出。我们可以使用此代码进行检查

from bs4 import BeautifulSoup
s = BeautifulSoup("<p>a</p><p>b</p><p>c</p>", features="html.parser")
for st in s.strings:
    print(st.next_element)
    st.replace_with('replace')
    print(st)
    print(st.next_element)

输出

<p>b</p>
a
None

在replace_with()之后，next_element是None。

一种方法是@cody即提到的方法。使用list（）一次获取值的所有值。

另一种方法是存储next_element并在replace_with()之后重新设置，以使生成器产生更多的元素。

from bs4 import BeautifulSoup
s = BeautifulSoup("<p>a</p><p>b</p><p>c</p>", features="html.parser")
for st in s.strings:
    next=st.next_element
    st.replace_with('replace')
    st.next_element=next
print(s)

输出

<p>replace</p><p>replace</p><p>replace</p>

在BeautifulSoup迭代器中替换字符串是否提前退出？

2 个答案: