Comment trouver des liens et modifier un fichier HTML en utilisant BeautifulSoup en Python

Question

A partir d'une entrée Html comme ceci:

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

utilisant BeautifulSoup, je voudrais changer cette Html dans:

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

sauver liens analysable dans un dictionnaire avec un résultat comme celui-ci:

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

Est-il possible de le faire en utilisant BeautifulSoup? Toute alternative valide?

Answer 1

Cela devrait être facile dans Beautiful Soup.

Quelque chose comme:

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 

Résultat d'exécution sur ce texte:

>>> 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'} 

Le seul problème que je peux prévoir avec cette solution est si votre texte de lien contient subtags; alors vous ne pouviez pas faire ''.join(link_tag.contents); à la place, vous devrez naviguer vers l'élément de texte le plus à droite.