html-parsing 相关问题

如何使用 Node.js 解析 HTML 页面

我需要解析（服务器端）大量的 HTML 页面。 我们都同意正则表达式不是解决问题的方法。 在我看来，javascript 是解析 HTML 页面的本机方式，但假设...

beautifulsoup：在bs4.element.ResultSet对象或列表上find_all？

我将 find_all 应用于 beautifulsoup 对象，并找到一些东西，它是 bs4.element.ResultSet 对象或列表。 我想在那里进一步执行 find_all 操作，但在 bs4.element.Res 上不允许这样做...

用 JS 解析 HTML 字符串

我想解析一个包含 HTML 文本的字符串。我想用 JavaScript 来做。 我尝试了纯 JavaScript HTML 解析器库，但它似乎解析我当前页面的 HTML，而不是来自

如何使用 C# 从以下节点 json 构建 html

{ “文档”： { “对象”：“文档”， “数据”： { “架构版本”：6 }, “节点”：[ { “物体”...

如何获取下载网页中Html元素的“innerHTML”？ [已关闭]

我正在尝试创建一个 Google Apps 脚本函数，该函数返回网页 ID 元素的内部 HTML。 使用 Web 浏览器的 JavaScript 控制台，可以执行以下操作： document.getElementB...

使用 Google Apps 脚本获取 ID 的innerHTML

我正在尝试创建一个 Google Apps 脚本函数，该函数返回网页 ID 元素的内部 HTML。 使用 Web 浏览器的 JavaScript 控制台，可以执行以下操作： document.getElementB...

XSLT 字符串到节点的转换和禁用输出转义

我正在将 Access 数据库导出为 XML，然后需要转换 XML 以为 Framemaker 创建出版物准备数据。在此过程中，我需要在文本中创建交叉引用...

使用 Python 替换 HTML 文档中的 HTML 标签，而不修改文档的其余部分

我正在制作一个简单的Python + HTML 网站（作为我学习的一部分）。网站菜单如下所示： 首页 我正在制作一个简单的Python + HTML 网站（作为我学习的一部分）。网站菜单如下所示： <ul> <li><a href="/">Home</a></li> <li><a href="/products.html">Products</a></li> <li><a href="/about.html">About</a></li> </ul> 该块存储在变量中，当生成任何页面时，其他内容会连接到该变量，并将生成的页面传输到客户端（浏览器）。 我试图将当前打开的菜单项变为粗体（添加 B 标签）并删除链接（删除 A 标签）。例如，如果打开产品页面，菜单应更改为： <ul> <li><a href="/">Home</a></li> <li><b>Products</b></li> <li><a href="/about.html">About</a></li> </ul> 我尝试了HTMLParser和BeautifulSoup，但我不明白如何只更改HTML的某些部分，而不破坏整个HTML。 我建议使用BeautifulSoup。让我们创建一个 Python 函数。 def get_menu_html(current_page_name): # each <li> tag has its own ID html = """ <ul> <li id="menu_home"><a href="/">Home</a></li> <li id="menu_products"><a href="/products.html">Products</a></li> <li id="menu_about"><a href="/about.html">About</a></li> </ul> """ soup = BeautifulSoup(html, "html.parser") # find the tag <li> by ID tag = soup.find(id="menu_" + current_page_name) # create a new tag <b> with the same text as in <li> newtag = soup.new_tag("b") newtag.string = tag.get_text() # replace <a> inside <li> to <b> # so <li><a>...</a></li> turns into <li><b>...</b></li> tag.find("a").replace_with(newtag) # return prettified HTML return soup.prettify() # try it print(get_menu_html("home")) print(get_menu_html("products")) print(get_menu_html("about"))

如何从 Java 验证 HTML？

从 Java 验证 HTML 的快速而简单的方法是什么？我正在寻找一个开源/PD 类（或一组类）来描述 100 多个 HTML 标签的各种属性，例如： 难道是……

如何在服务器端使用node-html-parser替换img src值？

我有html代码，我想更改上的src值 我有html代码，我想更改服务器端src标签上的<img值。我正在使用 node-html-parser 库。 这是我的代码： const root = HTMLParser.parse(templateContent); let base64Image = root.querySelector('img').rawAttributes.src; console.log('here'); root.getElementsByTagName('img')[0].rawAttributes.src.set_content('src="cid:image"'); console.log(root.toString()) process.exit() ... 这是我的 html 代码： <p><img src="data:image/jpeg;base64,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"></p> <p>Hello Dear</p> <p>My name is Daren.</p> <p><br></p> 但是当我运行上面的代码时，结果只是打印here，而下一行并没有执行，甚至连process.exit()也没有执行。 我有什么错误吗？我只想更改 src 标签内的 <img 值。 如果还不足以解决问题，请向我询问更多信息，谢谢 过了一段时间，我找到了解决办法。但我使用正则表达式来替换 src 标签内的 <img 值。当您有多个 <img 标签时，可以用单个图像替换此解决方案。它将替换 src 标签内的所有 <img 值。 ... const re = /src=['"](?:[^"'\/]*\/)*([^'"]+)['"]/g; parsedTemplateContent = templateContent.replace(re,'src="cid:image"'); ... 您可以通过 getAttribute 函数获取 src 属性： let base64Image = root.querySelector('img').getAttribute('src');

如何使用 Ruby 查找 DOM 元素是否具有事件侦听器

我正在使用 Watir 和 Nokogiri 来解析网页并与它们交互。我想确定 DOM 元素在单击时是否触发脚本。根据我的研究，我了解到这...

如何在Python中的BeautifulSoup4中使用.next_sibling时忽略空行

因为我想删除html网站中重复的占位符，所以我使用BeautifulSoup的.next_sibling运算符。只要重复项位于同一行，就可以正常工作（参见数据）。但有些...

抓取 Next.js 页面后，Tailwind CSS 样式未应用于 React 应用程序

我有一个 Next.js 应用程序（版本 13），其中包含几个使用 Tailwind CSS 设计样式的组件。然后，从使用 React 和 Node.js 编写的 CMS 系统中抓取这些组件，并使用

如何提取每个<a href>标签内的内容？

我正在开展一个项目，涉及从网站提取一些数据。具体来说，我有兴趣提取每个类别的名称及其描述。 我已经考虑过你...

需要 Python 中正则表达式模式的帮助 – 解析复杂的 HTML 结构

我正在尝试使用 Python 的 re 模块解析复杂的 HTML 结构，但我的正则表达式模式遇到了障碍。这就是我想做的： 我有包含嵌套元素的 HTML 文本...

将所有链接与特定文本匹配

我正在寻找 PHP 中的正则表达式，它将锚点与其上的特定文本相匹配。例如。我想获得带有文本 mylink 的锚点，例如： 我...

Javascript 中解析 unicode 的行为差异

当我直接使用提供字符串的变量 (_)/正则表达式运行 JSON.parse 或decodeURI 时，它会抛出错误或不解码，但是当我使用相同的字符串运行这些函数时...

使用 find 时，BeautifulSoup 挂起

我的 bs4 软件包有问题。 我有一个 html 文档，如下所示： 数据=“”” 这是标签 我的 bs4 包裹有问题。 我有一份html文档，就像这样： data = """<html><head></head><body> <p> this is tab </p> <img src="image.jpg"> </body></html> """ 这是我的代码： from bs4 import BeautifulSoup soup = BeautifulSoup(data, 'html5lib') soup.find_all("a") 当我运行它时，bs4仍在循环中并且不返回任何内容，可能是因为在某些HTML数据中，标签a不存在。 非常感谢。 1. 是的，上面的例子工作正常。 2.但是，就我而言。 data 是一个多行 html 字符串的变量 from bs4 import BeautifulSoup data = open("file.htm").read() soup = BeautifulSoup(data, 'html5lib') soup.find_all("a") 3.请使用我的文件进行测试：file.htm 4.我使用的是beautifulsoup4==4.4.1。 Python 3.5.1 5.再次感谢。 尝试使用内置的 html.parser，即使 HTML 无效，它也能工作。 from bs4 import BeautifulSoup data = """<html><head></head><body> <p> this is tab </p> <img src="image.jpg"> </body></html> """ soup = BeautifulSoup(data, 'html.parser') soup.find_all("a") 我不明白为什么你的程序在使用find_all时会挂起，如果html页面很大，可能需要一段时间，但它不应该挂起。 您可以尝试以下一些方法： 如果您在解析网页之前下载网页，则可能会导致挂起。使用 pdb 检测程序挂起的确切位置，将此行添加到代码的开头 import pdb; pdb.set_trace() 并从那里跟踪它 确保您通过运行 Html5Lib 安装了 pip freeze | grep html5lib，如果它不存在，请使用 pip install html5lib 安装它 在类似的SO问题中，有人提到他们通过升级修复了它BeautifulSoup，尝试使用：pip install --upgrade beautifulsoup4 在 BeautifulSoup 文档中，他们建议对某些 Python 版本使用特定的解析器： 如果可以的话，我建议您安装并使用 lxml 以提高速度。 如果您使用的是 2.7.3 之前的 Python 2 版本，或者 3.2.2 之前的 Python 3 版本，则必须安装 lxml 或 html5lib – Python 的内置 HTML 解析器不支持在旧版本中非常好。 我在处理页面已解析的元素时遇到了同样的问题，并通过强制重新解码来解决。 这在我的代码片段上无限期且系统地运行： spans = subtree.find_all ("span") 这反而按预期工作： soup2 = BeautifulSoup(subtree, "html.parser") spans = soup2.find_all ("span")

将 HTML 解析到此数据模型中

我正在尝试将这段 HTML 解析为数据模型： HTML 是： id：1 类型：MCQ 问题：Alice 在 Simm 的帮助下安装了哪个应用程序？ 我正在尝试将这段 HTML 解析为数据模型： HTML 为： <p>id: 1</p> <p>type: MCQ</p> <p>question: Which app does Alice install with Simm's help?</p> <p>options: </p> <p>Angry birds game</p> <p>Email app</p> <p>Chrome browser</p> <p>News reader</p> <p>answer: Angry birds game </p> <p /> 数据模型将如下所示： data class DataModel( val id: String, val type: String, val question: String, val options: List<String>, val answer: String ) 我有一个简单的解析器，在 : 之后有一个正则表达式。但是，我有一些项目需要进入列表（请参阅options:）。 我需要一些可以在 answer: 之前使用其他 标签的东西。我该怎么办？ 我认为正则表达式可以通过对输入进行标记来帮助您完成任务。要组装输出，您将需要一些额外的编程。 我想出的正则表达式是： <[^>]+>(?:(\w+): )?([^<]*)<\/[^>]+> 这将产生一个匹配列表，例如： [ ["id", "1"], ["type", "MCQ"], ["question", "Which app does Alice install with Simm's help?"], ["options", ""], ["", "Angry birds game"], ["", "Email app"], ["", "Chrome browser"], ["", "News reader"], ["answer", "Angry birds game "] ] 确切的输出将取决于您使用的正则表达式实现，但这就是您将拥有的匹配的要点。 要组装输出，您需要逐一考虑每个匹配项。如果您看到诸如 ["options", ""] 之类的匹配项，那么您就知道这会启动一个列表，因为第二组是空字符串。当看到 ["", "Angry birds game"] 时你就知道这一定是一个列表项，因为第一组是空字符串。最后，当您看到 ["answer", "Angry birds game "] 时，您知道列表一定已经结束，因为两个组都非空。这是您需要做的一些额外的编程工作。

将 HTML 解析为数据模型

所以我尝试将这段 HTML 解析为数据模型 html 是 id：1 类型：MCQ 问题：Alice 在 Simm 的帮助下安装了哪个应用程序？ 所以我尝试将这个 HTML 块解析为数据模型 html 是 <p>id: 1</p> <p>type: MCQ</p> <p>question: Which app does Alice install with Simm's help?</p> <p>options: </p> <p>Angry birds game</p> <p>Email app</p> <p>Chrome browser</p> <p>News reader</p> <p>answer: Angry birds game </p> <p /> 数据模型看起来像这样 data class DataModel( val id: String, val type: String, val question: String, val options: List<String>, val answer: String ) 我有一个简单的解析器，在:之后有一个正则表达式，但是我有需要进入列表的项目（请参阅options:） 我是正则表达式的新手，所以我需要一些可以在 answer: 之前使用其他 标签的东西，所以我想寻求帮助 提前非常感谢 我认为正则表达式可以通过对输入进行标记来帮助您完成任务。要组装输出，您将需要一些额外的编程。 我想出的正则表达式是： <[^>]+>(?:(\w+): )?([^<]*)<\/[^>]+> 这将产生一个匹配列表，例如： [ ["id", "1"], ["type", "MCQ"], ["question", "Which app does Alice install with Simm's help?"], ["options", ""], ["", "Angry birds game"], ["", "Email app"], ["", "Chrome browser"], ["", "News reader"], ["answer", "Angry birds game "] ] 确切的输出将取决于您使用的正则表达式实现，但这就是您将拥有的匹配的要点。 要组装输出，您需要逐一考虑每个匹配项。如果您看到诸如 ["options", ""] 之类的匹配项，那么您就知道这会启动一个列表，因为第二组是空字符串。当看到 ["", "Angry birds game"] 时你就知道这一定是一个列表项，因为第一组是空字符串。最后，当您看到 ["answer", "Angry birds game "] 时，您知道列表一定已经结束，因为两个组都非空。这是您需要做的一些额外的编程工作。