BS4：用新标签包装一系列兄弟姐妹

Question

我正在使用 BeautifulSoup 4.8.1。

我想扩充一个 HTML 文件以突出显示感兴趣的部分。

举个例子吧。假设我得到了

<div> some preceding junk </div>
<div> BEGIN TRIGGER </div>
<div> Lorem ipsum dolor </div>
<div> sit amet, consetetur elitir </div>
<div> more clutter at the end </div>
<div> END TRIGGER </div>

我已经能够提取包含中间四个<div> 标签的列表（即从“BEGIN TRIGGER”到“clutter”，包括）。

我想产生以下输出：

<div> some preceding junk </div>
<p>
 <div> BEGIN TRIGGER </div>
 <div> Lorem ipsum dolor </div>
 <div> sit amet, consetetur elitir </div>
 <div> more clutter at the end </div>
</p>
<div> END TRIGGER </div>

我怎样才能做到这一点？我认为知道如何为已知的 bs4.element.Tag 创建一个新的兄弟姐妹可能会有所帮助，如果无法“原子地”包装整个范围。

Answer 1

根据您的示例，我已经尝试过。希望这会有所帮助。 使用正则表达式首先很好地元素想要在之前添加标签，然后find_next_siblings() 直到找到为止。

最后添加新标签

然后在里面添加所有的 div 标签。

import re
from bs4 import BeautifulSoup

html='''<div> some preceding junk </div>
<div> BEGIN TRIGGER </div>
<div> Lorem ipsum dolor </div>
<div> sit amet, consetetur elitir </div>
<div> more clutter at the end </div>
<div> END TRIGGER </div>'''

soup=BeautifulSoup(html,'html.parser')
search=soup.find("div",text=re.compile('BEGIN'))
prev=search.find_previous_siblings('div')[0]

new_tag = soup.new_tag("p")
new_tag.append(str(search) +'\n')
for item in search.find_next_siblings('div'):

    if 'END TRIGGER' in item.text:
       lastement=item
       break;
    else:
        new_tag.append(str(item) + '\n')

finalsoup=str(prev) +'\n' + new_tag.prettify(formatter=None) + '\n' + str(lastement)

print(finalsoup)

输出：

<div> some preceding junk </div>
<p>
 <div> BEGIN TRIGGER </div>
 <div> Lorem ipsum dolor </div>
 <div> sit amet, consetetur elitir </div>
 <div> more clutter at the end </div>
</p>
<div> END TRIGGER </div>