BeautifulSoup：創建並在標簽之間插入自閉合標簽

Question

我正在解析 html 文件並用新標簽替換特定鏈接。

Python 代碼：

from bs4 import BeautifulSoup
sample='''<a href="{Image src='https://google.com' link='https://google.com'}" >{Image src='https://google.com' link='google.com'}</a>'''
soup=BeautifulSoup(sample)
for a in soup.findAll('a'):
    x=BeautifulSoup('<ac:image><ri:attachment ri:filename="somefile"/> </ac:image>')
    a=a.replace_with(x)

print(soup)

實際 Output：

<ac:image><ri:attachment ri:filename="somefile"></ri:attachment> </ac:image>

所需的 Output：

<ac:image><ri:attachment ri:filename="somefile" /></ac:image>

自關閉標簽會自動轉換。 目的地嚴格需要自閉標簽。

任何幫助，將不勝感激！

Answer 1

要獲得正確的自閉合標簽，請在創建將替換舊標簽的新湯時使用解析器xml 。

此外，為了保留ac和ri命名空間， xml解析器需要定義xmlns:ac和xmlns:ri參數。 我們在處理后刪除的虛擬標簽中定義這些參數。

例如：

from bs4 import BeautifulSoup
import xml
txt = '''
<div class="my-class">
    <a src="some address">
        <img src="attlasian_logo.gif" />
    </a>
</div>
<div class="my-class">
    <a src="some address2">
        <img src="other_logo.gif" />
    </a>
</div>
'''

template = '''
<div class="_remove_me" xmlns:ac="http://namespace1/" xmlns:ri="http://namespace2/">
<ac:image>
  <ri:attachment ri:filename="{img_src}" />
</ac:image>
</div>
'''

soup = BeautifulSoup(txt, 'html.parser')

for a in soup.select('a'):
    a=a.replace_with(BeautifulSoup(template.format(img_src=a.img['src']), 'xml'))  # <-- select `xml` parser, the template needs to have xmlns:* parameters to preserve namespaces

for div in soup.select('div._remove_me'):
    dump=div.unwrap()

print(soup.prettify())

印刷：

<div class="my-class">
 <ac:image>
  <ri:attachment ri:filename="attlasian_logo.gif"/>
 </ac:image>
</div>
<div class="my-class">
 <ac:image>
  <ri:attachment ri:filename="other_logo.gif"/>
 </ac:image>
</div>