Beautiful Soup - 在原文中查找已识别的标签答案

【问题标题】：Beautiful Soup - Find identified tag in the original textBeautiful Soup - 在原文中查找已识别的标签
【发布时间】：2013-05-09 09:13:51
【问题描述】：

在识别出原始文档中的文本后，我需要处理 HTML 文档中的某些文本。假设我有这个 HTML 代码

<div id="identifier">
    <a href="link" id="linkid">
    </a>
</div>

我想删除<a> 标签中的id 属性。我可以使用 BeautifulSoup 识别特定标签，但因为它改变了原始文档的格式，我也无法搜索/替换字符串。我不想只写 BeautifulSoup 的输出，而是想在 original 文档中识别 <a href="link" id="linkid"> 标记并仅替换为 <a href="link">。知道如何进行吗？

回答提出的几个问题：

这是一个庞大的现有代码库，需要进行一些更新，因此它不仅仅是一项单一的搜索/替换工作。
原始格式很重要，因为组织遵循一定的编码标准来格式化代码，我想保留这些标准。此外，为了完整起见，BS 引入了额外的标签，例如 for 等。

【问题讨论】：

你能详细解释一下为什么不能只搜索/替换字符串吗？

标签： python beautifulsoup

【解决方案1】：

您使用的是哪个版本的 beautifulsoup？您可以在 bs4 中像字典一样编辑 html 节点

来自文档： http://www.crummy.com/software/BeautifulSoup/bs4/doc/#changing-tag-names-and-attributes

soup = BeautifulSoup('<b class="boldest">Extremely bold</b>')
tag = soup.b

del tag['class']
del tag['id']

另外，你好像对美汤输出修改后的html代码的方式有问题。如果您想漂亮地打印文档或使用自定义格式，您可以轻松完成

http://www.crummy.com/software/BeautifulSoup/bs4/doc/#output

【讨论】：

我正在使用 BS4。我可以删除您提到的标签，但我想替换原始文档中的新标签。所以在这种情况下，我会得到 "Extremely bold" 但如果原始文本写成 "\n\nExtremely bold\n\n"它会丢失所有的换行符和制表符。我希望我澄清了这个问题。
为什么保留它们很重要？换行符和空格在 HTML 中没有任何意义。您是否需要它们以使您的文档保持人类可读性？另外，正如 ASGM 所问，为什么不使用 beautifulsoup 就搜索/替换字符串是不行的
不仅是人类可读的，而且遵循页面的格式指南很重要，因此不好。另外，我不想对所有标签都这样做，只对标签的子集执行此操作，并且必须在许多文件中执行此操作。