如何使用 python 从内联样式标签中删除特定的值对？

Question

我正在尝试解析一些具有一些讨厌的内联样式的 html。 它看起来像这样

<span class="text_line" data-complex="0" data-endposition="4:2:86:5:0" data-position="4:2:74:2:0" style="font-family: scala-sans-offc-pro--; width: 100%; word-spacing: -2.66667px; font-size: 24px !important; line-height: 40px; font-variant-ligatures: common-ligatures; display: block; height: 40px; margin-left: 75px; margin-right: 155px;">

我正在尝试仅删除属性值对 word-spacing: -2.66667px;。这里有几百条这样的线，没有两条是相同的。有时间距为word-spacing: -4px，有时为word-spacing: -3.78632px; 或其他随机数。

我尝试了美丽的汤，我想出了如何删除整个标签，这不是我想要的。我不知道如何用正则表达式来做到这一点。而且我读到最好避免尝试使用正则表达式编辑 HTML。

我的想法是使用漂亮的汤将所有跨度标签保存到变量中，然后使用string.find() 获取所有“w”在字间距中的索引，然后找到下一个半列。然后在我有一个列表之后，找到一种方法来切割这些索引处的字符串并将剩余部分重新连接在一起。也许在“;”处分裂更好......我现在不知道了。大脑又炸又累。 :P

    def __init__(self, first_index, last_index):
        self.first = first_index
        self.last = last_index
def getIndices(text, start_index):
    index = CutPointIndex(None, None)
    index.first = text.find("word-spacing", start_index, end_index)
    if(index.first != -1):
        index.last = text.find(";", index.first , end_index)
    return index

鉴于类似 style="font-family: scala-sans-offc-pro--; width: 100%; word-spacing: -3.71429px;"

或style="font-family: scala-sans-offc-pro--; width: 100%; word-spacing: -5px;

或预期结果应该是值的任何其他变化 style="font-family: scala-sans-offc-pro--; width: 100%;

Answer 1

我猜你可能想要re.sub 变量word-spacing：

import re

regex = r"\s*word-spacing\s*:\s*[^;]*;"

test_str = '''
style="font-family: scala-sans-offc-pro--; width: 100%; word-spacing: -3.71429px;"
style="font-family: scala-sans-offc-pro--; width: 100%; word-spacing: -5px;"
style="font-family: scala-sans-offc-pro--; width: 100%;"

'''

print(re.sub(regex, "", test_str))

---

输出

style="font-family: scala-sans-offc-pro--; width: 100%;"
style="font-family: scala-sans-offc-pro--; width: 100%;"
style="font-family: scala-sans-offc-pro--; width: 100%;"

---

如果您想探索/简化/修改表达式，它已经 在右上角的面板上进行了解释 regex101.com。如果你愿意，你 也可以在this link看，怎么搭配 针对一些样本输入。

---

Answer 2

您可以匹配具有该属性的元素并删除该部分。

我在; 上拆分样式属性（仅适用于相关标签），然后重新组合排除不需要的对

';'.join([i for i in t['style'].split(';') if 'word-spacing' not in i])

但您也可以轻松更新 word-spacing 的值

from bs4 import BeautifulSoup as bs

html = '''
<span class="text_line" data-complex="0" data-endposition="4:2:86:5:0" data-position="4:2:74:2:0" style="font-family: scala-sans-offc-pro--; width: 100%; word-spacing: -2.66667px; font-size: 24px !important; line-height: 40px; font-variant-ligatures: common-ligatures; display: block; height: 40px; margin-left: 75px; margin-right: 155px;">
'''
soup = bs(html, 'lxml')

for t in soup.select('[style*= word-spacing]'):
    t['style'] = ';'.join([i for i in t['style'].split(';') if 'word-spacing' not in i])
print(soup)

阅读：

1. https://www.crummy.com/software/BeautifulSoup/bs4/doc/#attributes
2. https://developer.mozilla.org/en-US/docs/Web/CSS/Attribute_selectors