使用 BeautifulSoup (bs4) 将 tag.string 属性编辑为包含标记的字符串答案

【问题标题】：editing tag.string property with BeautifulSoup (bs4) to string including markup使用 BeautifulSoup (bs4) 将 tag.string 属性编辑为包含标记的字符串
【发布时间】：2020-01-14 13:53:33
【问题描述】：

我有一个要编辑的 html 文档，以便其中的任何单词都可以突出显示/加粗。

我在内存中有 html 并已传递给 BeautifulSoup。我遍历所有标签并获取它们的字符串元素。如果任何字符串包含匹配的单词，我将编辑该字符串并将其替换为 html，并用标记环绕所需的单词。

from flask import Flask, Markup
from bs4 import BeautifulSoup

def match( documentText: str, searchQuery: str) -> Markup:
    words = documentText.split( ' ')
    if len( words) >= 3:
        words[2] = f'<strong>{ words[2]}</strong>'
        logger.info( f'{ words=}')

    return Markup( ' '.join( words))

for link in html.find_all( True):
    if ( link.string):
        link.string = match( link.string, searchQuery)

app = Flask( __name__)

@app.route( '/')
def home():
    logger.info( 'trying markup and testing logging') 
    return str( html), 200

app.run( debug=True)

现在，我没有在我想要的地方用粗体字呈现页面，而是在视觉上看到了 html 标签，这是因为如果我查看源代码，标签实际上由&gt; 表示。这似乎来自“link.string = match(link.string, searchQuery)”这一行——我想这很有意义，因为 BeautifulSoup 正在进行类型检查并确保标签中唯一的内容。 string 字段确实是一个字符串。我想理想的最终状态是从标签中创建一个分支以包含子标签。

这是其他人以前解决过的问题吗？我对整个事情的解决方案似乎笨拙且不雅，所以如果有人有更好的路线，我不会介意。

【问题讨论】：

打电话给return str(html).replace("&gt;",">").replace("&lt","<"), 200怎么样？
@Kristian 是的，可以。谢谢！这是那些日子之一......
我已经更新了我的答案以展示更好的方法

标签： html python-3.x flask beautifulsoup

【解决方案1】：

为了快速修复，只需用 str.replace() 替换那些 html 特殊字符

from flask import Flask, Markup
from bs4 import BeautifulSoup
# ...
@app.route( '/')
def home():
    logger.info( 'trying markup and testing logging') 
    return str(html).replace("&gt;",">").replace("&lt","<"), 200

app.run( debug=True)

要小心，因为 html 特殊字符不只是 &lt; 和 &gt;

Html 特殊字符参考：https://www.html.am/reference/html-special-characters.cfm

更好的方法：

这种方法会将所有 html 特殊字符改回它的未转义形式

import html.parser
htmlparser = html.parser.HTMLParser()
html_decoded_string = parser.unescape(str(html))
return html_decoded_string , 200

请注意，在 Python 2 上，import 语句（模块名称）可能有点不同

【讨论】：