如何找到鏈接和修改使用BeautifulSoup的HTML Python中

Question

從HTML輸入這樣開始：

<p> 
<a href="http://www.foo.com">this if foo</a> 
<a href="http://www.bar.com">this if bar</a> 
</p> 

使用BeautifulSoup，我想在更改此HTML：

<p> 
<a href="http://www.foo.com">this if foo[1]</a> 
<a href="http://www.bar.com">this if bar[2]</a> 
</p> 

節約在字典中的解析鏈接，像這樣的結果：

links_dict = {"1":"http://www.foo.com","2":"http://www.bar.com"} 

是否有可能做到這一點使用BeautifulSoup？任何有效的選擇？

Answer 1

這應該很容易在美麗的湯。

喜歡的東西：

from BeautifulSoup import BeautifulSoup 
from BeautifulSoup import Tag 

count = 1 
links_dict = {} 
soup = BeautifulSoup(text) 
for link_tag in soup.findAll('a'): 
  if link_tag['href'] and len(link_tag['href']) > 0: 
    links_dict[count]  = link_tag['href']   
    newTag = Tag(soup, "a", link_tag.attrs) 
    newTag.insert(0, ''.join([''.join(link_tag.contents), "[%s]" % str(count)])) 
    link_tag.replaceWith(newTag) 
    count += 1 

在文本執行這個結果：

>>> soup 
<p> 
    <a href="http://www.foo.com">this if foo[1]</a> 
    <a href="http://www.bar.com">this if bar[2]</a> 
</p> 

>>> links_dict 
{1: u'http://www.foo.com', 2: u'http://www.bar.com'} 

我可以用這個解決方案預見唯一的問題是，如果你的鏈接文字中包含的子標籤;那麼你不能這樣做''.join(link_tag.contents);相反，您需要導航到最右邊的文本元素。