- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在将一些 HTML 字典数据按摩到 XML 中以导入到 some dictionary software 中。
原始 HTML 看起来像这样:
<div class="entry">
<span class="headword">word</span>
<span class="pos">part of speech</span>
<span class="definition">sense1; sense2
<span class="example">(example2.1; example2.2)</span>
; sense3 <span class="example">(example3.1; example3.2)</span>
</span>
</div>
编辑:事实上,输入的类与输出的 XML 标签并不完全匹配。那只是为了在我的示例中阐明这种关系。我需要用特定的 XML 标记替换特定的类,但它们不匹配。
理想的最终结果应该是这样的:
<entry>
<headword>word</headword>
<pos>part of speech</pos>
<sense>
<definition>sense1</definition>
</sense>
<sense>
<definition>sense2</definition>
<example>example2.1</example>
<example>example2.2</example>
</sense>
<sense>
<definition>sense3</definition>
<example>example3.1</example>
<example>example3.2</example>
</sense>
</entry>
我汤的当前状态(已完成直接替换)是:
<entry>
<headword>word</headword>
<pos>part of speech</pos>
<definition>sense1; sense2
<example>example2.1</example>
<example>example2.2</example>
; sense3
<example>example3.1</example>
<example>example3.2</example>
</definition>
</entry>
映射 1:1 的划分很容易,将定义+示例包装在意义标记中也应该很容易,但问题是原始版本不加区别地使用 ;
来分隔意义和示例的方式。这意味着我需要先拆分 example
标签,然后拆分 definition
处的 ;
标签(即有效地将 ;
替换为 </example>\n<example>
或 </definition>\n<definition>
)。自从我开始写这个问题以来,我已经想出了如何为例子做这件事(因为它们只包含字符串),但是定义很可能包含 <example>
标签他们自己,所以我不能只使用 split()
因为返回了一个列表 & 'list' object has no attribute 'split'
。
有没有更简单的方法来拆分包含其他标签的标签,或者我是否必须遍历结果集列表并重新创建所有标签?
tags = soup.find_all("example")
for tag in tags:
tag.string = re.sub(r"[()]", "", tag.string) # remove parentheses
egs = tag.string.split("; ") # or str(tag.contents).split("; ") ?
new = ""
if len(egs) > 1:
for eg in reversed(egs[1:]):
new = soup.new_tag("example")
new.string = eg
tag.insert_after(new)
tag.string = egs[0] # orig tag becomes 1st seg only
最佳答案
您可以检查每个元素的 soup.contents
并通过递归遍历 soup.contents
中的非字符串元素来构建结构:
from bs4 import BeautifulSoup, NavigableString
import re
def to_xml(d):
r, s, k = [], None, []
for i in filter(lambda x:x != '\n', d.contents):
if isinstance(i, NavigableString):
if s is not None:
r.append((s, k))
s = [j for i in re.sub('^\(|\)$', '', i).split('; ') if (j:=re.sub('^\W+|\W+$', '', i))]
k = []
else:
k.append(i)
r.append((s, k))
for a, b in r:
if a is not None:
if len(a) == 1 and not b:
yield f'<{(c:=" ".join(d["class"]))}>{a[0]}</{c}>\n'
elif not b:
yield from ["<{}>\n<{}>{}</{}>\n</{}>\n".format(c, c1, i, c1, c) if (c:=re.sub('[\d+\.]+$', '', i)) != (c1:=" ".join(d["class"])) else f"<{c}>{i}</{c}>" for i in a]
else:
yield from ["<{}>\n<{}>{}</{}>\n</{}>\n".format((c:=re.sub('[\d+\.]+$', '', i)), (c1:=" ".join(d["class"])), i, c1, c) for i in a[:-1]]
yield "<{}>\n<{}>{}</{}>\n{}\n</{}>\n".format((c:=re.sub('[\d+\.]+$', '', a[-1])), (c1:=' '.join(d['class'])), a[-1], c1, '\n'.join(j for k in b for j in to_xml(k)), c)
else:
yield '<{}>{}</{}>'.format((c1:=" ".join(d["class"])), "\n".join(j for k in b for j in to_xml(k)), c1)
s = """
<div class="entry">
<span class="headword">word</span>
<span class="pos">part of speech</span>
<span class="definition">sense1; sense2
<span class="example">(example2.1; example2.2)</span>
; sense3 <span class="example">(example3.1; example3.2)</span>
</span>
</div>
"""
r = BeautifulSoup(''.join(to_xml(BeautifulSoup(s, 'html.parser').div)), 'html.parser')
print(r)
输出:
<entry>
<headword>word</headword>
<pos>part of speech</pos>
<sense>
<definition>sense1</definition>
</sense>
<sense>
<definition>sense2</definition>
<example>example2.1</example>
<example>example2.2</example>
</sense>
<sense>
<definition>sense3</definition>
<example>example3.1</example>
<example>example3.2</example>
</sense>
</entry>
关于python - BeautifulSoup:将标签(包含其他标签)拆分为两个字符串,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/67557465/
我有一个类似于以下的结构。 class A { string title; List bItem; } class B { int pric
本地流 和 远程流 两者都是“媒体流列表 ”。 本地流 包含“本地媒体流 ” 对象 但是,远程流 包含“媒体流 ” 对象 为什么差别这么大? 当我使用“本地流 “- 这个对我有用: localVide
我正在尝试将 8 列虚拟变量转换为 8 级排名的一列。 我试图用这个公式来做到这一点: =IF(OR(A1="1");"1";IF(OR(B1="1");"2";IF(OR(C1="1");"3";I
我正在使用面向对象编程在 Python 中创建一个有点复杂的棋盘游戏的实现。 我的问题是,许多这些对象应该能够与其他对象交互,即使它们不包含在其中。 例如Game是一个对象,其中包含PointTrac
有没有办法获取与 contains 语句匹配的最深元素? 基本上,如果我有嵌套的 div,我想要最后一个元素而不是父元素: Needle $("div:contains('Needle')")
出于某种原因,我无法在 Google 上找到答案!但是使用 SQL contains 函数我怎么能告诉它从字符串的开头开始,即我正在寻找等同于的全文 喜欢 'some_term%'。 我知道我可以使用
我正在尝试创建一个正则表达式来匹配具有 3 个或更多元音的字符串。 我试过这个: [aeiou]{3,} 但它仅在元音按顺序排列时才有效。有什么建议吗? 例如: 塞缪尔 -> 有效 琼 -> 无效 S
嘿所以我遇到了这样的情况,我从数据库中拉回一个客户,并通过包含的方式包含所有案例研究 return (from c in db.Clients.Include("CaseStudies")
如果关键字是子字符串,我无法弄清楚为什么这个函数不返回结果。 const string = 'cake'; const substring = 'cak'; console.log(string.in
我正在尝试将包含特定文本字符串的任何元素更改为红色。在我的示例中,我可以将子元素变为蓝色,但是我编写“替换我”行的方式有些不正确;红色不会发生变化。我注意到“contains”方法通常写为 :cont
我想问一下我是否可以要求/包含一个语法错误的文件,如果不能,则require/include返回一个值,这样我就知道所需/包含的文件存在语法错误并且不能被要求/包含? file.php语法错误 inc
我想为所有包含youtube链接的链接添加一个rel。 这就是我正在使用的东西-但它没有用。有任何想法吗? $('a [href:contains(“youtube.com”)]')。attr('re
我正在尝试在 Elasticsearch 中查询。除搜索中出现“/”外,此功能均正常运行。查询如下所示 GET styling_rules/product_line_filters/_search {
我正在开发名为eBookRepository的ASP.NET MVC应用程序,其中包含在线图书。 电子书具有自己的标题,作者等。因此,现在我正在尝试实现搜索机制。我必须使用Elasticsearch作
我已阅读Firebase Documentation并且不明白什么是 .contains()。 以下是文档中 Firebase 数据库的示例规则: { "rules": { "rooms"
我的问题是我可以给出条件[ 'BookTitleMaster.id' => $xtitid, ] 如下所示 $bbookinfs = $this->BookStockin->BookIssue->fi
我需要能够使用 | 检查模式在他们中。例如,对于像“dtest|test”这样的字符串,像 d*|*t 这样的表达式应该返回 true。 我不是正则表达式英雄,所以我只是尝试了一些事情,例如: Reg
我想创建一个正则表达式来不匹配某些单词... 我的字符:var test = "é123rr;and;ià456;or;456543" 我的正则表达式:test.match(\((?!and)(?!o
我在 XSLT 中有一个名为 variable_name 的变量,如果相关产品具有名称为 A 或 B 或两者均为 A & 的属性,我将尝试将其设置为 1 B.
您好,我想让接待员和经理能够查看工作类型和费率并随后进行更新。但是技术人员只能查看不能更新。该图是否有效? 我读到扩展用例是由发起基本用例的参与者发起的。我应该如何区分技术人员只能启动基本案例而不能启
我是一名优秀的程序员,十分优秀!