首页 文章

使用BeautifulSoup或lxml解析和修改html . 使用一些html标记包围文本，该标记直接位于<body>标记下

提问于
浏览 次
0

我作为初学者在Python2.7工作 . 我想解析和修改一些html文件 . 为此，我使用Beautiful Soup和lxml也是一种选择 . 现在的问题是我可以通过修改html来包含带有一些html标签的文本 . 文本直接在'body'标签下，所以什么文本直接在body标签下我想修改html，以便我可以在我想要的标签下获取文本 . 所以我可以解析它并轻松找出这个文本的位置 .

<html><body>
<b>List Price:</b>
<strike>$150.00</strike>

<b>Price</b>
$117.80

<b>You Save:</b>
$32.20(21%)

<font size="-1" color="#009900">In Stock</font>


<a href="/gp/aw/help/id=sss/ref=aw_d_sss_shoes">Free Shipping</a>


Ships from and sold by Amazon.com

Gift-wrap available.
</body></html>

所以这里在这个例子中我想用一些用户html标签包围文本'$ 117.80'和'$ 32.20' . 如何使用Beautifulsoup或lxml实现这一目标 .

python html-parsing beautifulsoup lxml

1 回答

  • 0

    我想你想要包围 tail 文本，我会选择lxml更好beautifulsoup来处理它们 . 以下脚本搜索包含 tail 文本的任何 element ，创建一个新的 <div> 标记（选择您的标记）并将其插入其中 . 它使用正则表达式来检查文本是否有价格，这样就会跳过 Ships from and sold by Amazon.com 或 Gift-wrap available. 末尾的文本：

    from lxml import etree
import re

tree = etree.parse('htmlfile')
root = tree.getroot()

for elem in root.iter('*'):
    if elem.tail is not None and elem.tail.strip() and re.search('\$\d+', elem.tail):
        e = etree.Element('div')
        e.text = elem.tail
        elem.tail = ''
        elem.addnext(e)

print(etree.tostring(root))

    它产生：

    <html><body>
<b>List Price:</b>
<strike>$150.00</strike>
    
<b>Price</b><div>
$117.80</div>
    
<b>You Save:</b><div>
$32.20(21%)</div>
    
<font size="-1" color="#009900">In Stock</font>

    
<a href="/gp/aw/help/id=sss/ref=aw_d_sss_shoes">Free Shipping</a>

    
Ships from and sold by Amazon.com
    
Gift-wrap available.
    </body></html>
    回复于

相关问题