python - 美丽汤4 : Need to add inverse paragraphs tags to separate a field into two paragraphs

Question

目前，有一个 header 标签附加了其内容。我需要将标题与其内容分开，方法是将它们维护在单独的段落标签中。

block_tag = <p>1.1 <u>Header Information</u>.  Content of the header with multiple lines</p>

type(block_tag)
<class 'bs4.element.Tag'>

header 应包含在 <b> 中或<u>标签

预期结果:

block_tag
<p>1.1 <u>Header Information</u>.</p><p>  Content of the header with multiple lines</p>

到目前为止，我已经尝试使用 - 添加段落标签

new_tag("p") 创建 <p></p> 。需要反向标签<\p><p>

方法1

para_tag = soup.new_tag("p")
block_tag.insert(2,para_tag)
block_tag
<p>1.1 <u>Header Information</u>. <p></p> Content of the header with multiple lines</p>

方法2

block_tag.insert(2,"<\p><p>")
block_tag
<p>1.1 <u>Header Information</u>&lt;\p&gt;&lt;p&gt;.  Content of the header with multiple lines</p>

谢谢

Answer 1

可以获取 header 和 之后的剩余内容 wrap 它位于新的 p 标记内。然后 extract 它来自原始标签和 insert_after原始标签。

from bs4 import BeautifulSoup
html="""
<p>1.1 <u>Header Information</u>.  Content of the header with multiple lines</p>
"""
soup=BeautifulSoup(html,'html.parser')
block_tag=soup.find('p')
remaining=block_tag.contents[-1]
new_tag=remaining.wrap(soup.new_tag("p"))
block_tag.insert_after(new_tag.extract())
print(soup)

输出:

<p>1.1 <u>Header Information</u></p><p>.  Content of the header with multiple lines</p>

除了句号之外几乎完美。

注意:我不确定多行标题的内容到底是什么，但不要将此视为确切的答案。您可能需要即兴发挥。