Ändern Sie alle HTML-Tags zu Symbol mit Python

Question

Was ich tun möchte ist, ändern Sie jedes Tag (ob seine <a href=> oder <title> oder </title> oder </div> ... etc) zu einem Symbol.

Ich habe versucht, schöne Suppe verwenden, aber es findet nur Tags, die ich definieren ...

ich einige Code in der HTMLparser.py gefunden

tagfind = re.compile('([a-zA-Z][^\t\n\r\f />\x00]*)(?:\s|/(?!>))*') 

Ich glaube, das ist das, was ich suche Ich weiß einfach nicht, wie man es richtig benutzt.

Auch dachte ich, ich das verwenden könnte:

handle_starttag(self, tag, attrs): 

Aber ich will nicht den Tag definieren, ich will nur das Skript jeden einzelnen Tag zu finden und es zu etwas ändern ...

Ist das möglich?

Vielen Dank für Ihre Hilfe !!

Answer 1

BeautifulSoup ist keine gute Idee hier - das ist für analysiert HTML, nicht zu bearbeiten.

Auch dass Regex scheint nicht wie ein sehr gut (nur paßt den Inhalt innerhalb einen Tag eher als den ganzen Tag selbst), so fand ich eine anderen, die besser auf Ihre Zwecke geeignet wären:

</?\w+((\s+\w+(\s*=\s*(?:".*?"|'.*?'|[\^'">\s]+))?)+\s*|\s*)/?> 

Dieses Tag wird so etwas wie die folgenden entsprechen:

<h1> 
</h1> 
<img src="foo.com/image.png"> 

wir dies für den Austausch aller Tags mithilfe von re.sub verwenden können. Dies findet alle Übereinstimmungen für eine bestimmte Regex und ersetzt sie durch etwas anderes. Hier ist, wie Sie es für verwenden würde, was Sie tun möchten:

import re 

html_regex = r"""</?\w+((\s+\w+(\s*=\s*(?:".*?"|'.*?'|[\^'">\s]+))?)+\s*|\s*)/?>""" 
html = "<h1>Foo</h1>" 

print(re.sub(html_regex, "@", html)) 

Dies würde drucken:

@Foo@ 

Answer 2

Eine sehr viel zuverlässiger Weg, um rekursiv jeden Tag zu besuchen, Ich habe gerade den Namen in das Beispiel unten, aber Sie können, was Sie tun möchten, wenn Sie den Tag haben:

from bs4 import BeautifulSoup, element 

def visit(s): 
    if isinstance(s, element.Tag): 
     has_children = s.find_all() 
     if has_children: 
      s.name = "foobar" 
      for child in s: 
       visit(child) 
     else: 
      s.name = "foobar" 

es zu benutzen:

soup = BeautifulSoup(...) 
visit(soup) 

Dann werden alle Änderungen in der Suppe wiedergegeben.