python - HTML逐行解析

Question

我正在编写一个旨在解析 HTML 的 python 代码。这里的目标是在每一行中查找字符串，并更改它们，如下所示:

原文:“Criar Alerta”

<li><a href="http://..." target="_blank">Criar Alerta</a></li>

预期结果:“创建警报”

<li><a href="http://..." target="_blank">Create alert</a></li>

然后，为了确保我创建的新 HTML 具有与原始结构相同的结构，我需要逐行解析后面的内容，识别该字符串，并将其更改为字典中的等效内容。

我看到了here BeautifulSoup 可以解析特定的标签。我尝试过，但不确定结果。

然后我问:鉴于BeautifulSoup可以使用标签，并且每行有多个标签，是否可以使用BeautifulSoup进行逐行解析？

提前致谢，

蒂亚戈

Answer 1

我相信以下内容就是您正在寻找的内容。

让我们使用 3 行，其中两行包含字典中的单词，另一行不包含 - 只是为了测试代码:

rep = """
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Início</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Nunca</a></li>
      <li class="current"><a  style="color:#00233C;" href="index.html"><i class="icon icon-home"></i>  Criar Alerta</a></li>
    """

并使用你的字典(提示:将字典定义为 dict 从来都不是一个好主意；它只是在路上自找麻烦......)

rep_dict = {
"Início": "Start",
"Ajuda": "Help",
"Criar Alerta": "Create Alert",
"Materiais e Estruturas": "Structures and Materials" 
}

现在看代码:

soup = BeautifulSoup(rep, 'lxml')

only_a_tags = soup.find_all('a')

for item in range(len(only_a_tags)):
    for word in rep_dict:
        if word in str(only_a_tags[item]):
            print(str(only_a_tags[item]).replace(word,rep_dict[word]))

输出:

<a href="index.html" style="color:#00233C;"><i class="icon icon-home"></i>  Start</a>
<a href="index.html" style="color:#00233C;"><i class="icon icon-home"></i>  Create    Alert</a>

未打印包含“nunca”的项目，因为“nunca”不在 rep_dict 中。