如何在Python中修改HTML树？

Question

假设有一些变量片段的html代码。

<p>
    <span class="code"> string 1 </ span>
    <span class="code"> string 2 </ span>
    <span class="code"> string 3 </ span>
</ p>
<p>
    <span class="any"> Some text </ span>
</ p>

我需要修改所有带有代码类<span>的标签内容，通过使用foo这样的函数跳过某些内容，该函数返回已修改标签<span>的内容。最终，我应该得到一个如下的新的HTML文档：

<p>
    <span class="code"> modify string 1 </ span>
    <span class="code"> modify string 2 </ span>
    <span class="code"> modify string 3 </ span>
</ p>
<p>
    <span class="any"> Some text </ span>
</ p>

有人建议我可以使用Python库BeautifulSoup4轻松查找特定的HTML节点。如何修改内容中的<span class="code">并将新版本保存为新文件？我猜想需要使用soup.find_all('span',class=re.compile("code"))来查找，只有这个函数返回一个示例对象的列表副本，对其进行修改不会改变soup的内容。我该如何解决这个问题？

- Maxim Postnikov

Answer 1

</ span> 是无效的HTML，即使是网络浏览器的宽容解析器也不能正确解析它。

一旦您修复了HTML，就可以使用.replaceWith()：

from bs4 import BeautifulSoup

soup = BeautifulSoup('''
    <p>
        <span class="code"> string 1 </span>
        <span class="code"> string 2 </span>
        <span class="code"> string 3 </span>
    </p>
    <p>
        <span class="any"> Some text </span>
    </p>
''', 'html5lib')

for span in soup.find_all('span', class_='code'):
    span.string.replaceWith('modified ' + span.string)

- Blender

---

嗯，使用 BeautifoulSoup4 进行了检查，它确实可以正确解析 </span>！但是它会弄乱 <span>。 - shad0w_wa1k3r

@AshishNitinPatil：<span>标签会嵌套在彼此之内。 - Blender

哦，没注意到。谢谢！ - shad0w_wa1k3r