やりたいこと

BeutifulSoupで抽出したhtmlの指定の箇所を任意のタグや文字列で置換したい

python
1from bs4 import BeautifulSoup
2
3html = '<html><body><ul><li>あいうえお<li></ul></body></html>'
4soup = BeautifulSoup(html,"lxml")
5
6# <li>あいうえお</li> → <li>かきくけこ</li>にしたい
7soup.find('li').replace_with('<li>かきくけこ</li>')
8print(soup)
9

<html><body><ul>&lt;li&gt;かきくけこ&lt;/li&gt;<li></li></ul></body></html>

質問（2つ）

<li>が<li>となってしまうのを防ぐ方法はないでしょうか
置換されたはずの文字列のあとに<li></li>が存在しているのはなぜでしょうか

追記

二つ目の質問は、閉じタグを忘れていたことによるものでした。
念のため修正せずに残しておきます。

以上、ご教授お願いいたします。

行動規範の内容に同意します

回答3件

ベストアンサー

replace_with を使いたいのであれば、new_tagで新しくタグを作ってあげれば希望どおりに置換してくれます。

python
1from bs4 import BeautifulSoup
2
3html = '<html><body><ul><li>あいうえお</li></ul></body></html>'
4soup = BeautifulSoup(html,'lxml')
5
6new_tag = soup.new_tag('li')
7new_tag.string = 'かきくけこ'
8soup.find('li').replace_with(new_tag)
9print(soup) # => <html><body><ul><li>かきくけこ</li></ul></body></html>

投稿2017/03/21 16:41

tell_k

総合スコア2120

starrow1103

2017/03/21 23:11

求めていたのは、これでした！仮に html = ''' <html><body><ul> <li>あいうえお</li> <li>かきくけこ</li> <li>さしすせそ</li> </ul></body></html> ''' の場合に、<li>たちつてと</li>を挿入することもできそうですね。

行動規範の内容に同意します

置換されたはずの文字列のあとに<li></li>が存在しているのはなぜでしょうか

こちらですが、<li>タグが閉じられていないことが原因です。/抜けですね。

誤：html = '<html><body><ul><li>あいうえお<li></ul></body></html>'
誤：html = '<html><body><ul><li>あいうえお</li></ul></body></html>'

(追記)
以下のコードでいかがでしょうか。
なお、linuxでは正常に動きましたがwindowsではエラーになりました。エラー原因は解析していません。
(windows環境をお使いになっていてやはりエラーになるようでしたら言ってください。)

python
1# -*- coding: utf-8 -*-
2from bs4 import BeautifulSoup
3
4html = '<html><body><ul><li>あいうえお</li></ul></body></html>'
5soup = BeautifulSoup(html,"html.parser")
6print(soup)
7
8soup.li.string.replace_with("かきくけこ")
9print(soup)

実行結果

<html><body><ul><li>あいうえお</li></ul></body></html> <html><body><ul><li>かきくけこ</li></ul></body></html>

投稿2017/03/21 13:02

編集2017/03/21 13:43

TakuyaKurakado

総合スコア72

starrow1103

2017/03/21 23:09

ありがとうございます、現状の解決策としてはご提示いただいたものになるかと思います。私はMacなので問題ないかと。 /抜けは気づきませんでした＾＾；ありがとうございます。

行動規範の内容に同意します

replace_withはタグの中身のみを書き換えるメソッドなので、<li></li>が存在しているのは仕様どおりの動作になります。

https://www.crummy.com/software/BeautifulSoup/bs4/doc/#replace-with

置き換える文字列が確定しているなら、テキストだけを抜き出して置換するほうが早いかもしれません。

python
1from bs4 import BeautifulSoup
2
3html = '<html><body><ul><li>あいうえお<li></ul></body></html>'
4soup = BeautifulSoup(html,"lxml")
5soup.find('li').text.replace('あいうえお', 'かきくけこ')