锚（<a href="URL">URL</a>）代替文本（<p>URL</p>）

Question

试图实现以下逻辑：

如果URL在文本由段落标记（例如：<p>URL</p>）包围，取代它到位成为链路，而不是：<a href="URL">Click Here</a>

原始文件是数据库转储（sql，UTF-8）。某些网址已经以所需的格式存在。我需要修复缺失的链接。

我正在使用一个脚本，它使用Beautifulsoup。如果其他解决方案更有意义（正则表达式等），我愿意接受建议。

Answer 1

您可以搜索文本以http开头的所有p元素。然后，replace it with链接：

for elm in soup.find_all("p", text=lambda text: text and text.startswith("http")): 
    elm.replace_with(soup.new_tag("a", href=elm.get_text())) 

示例工作代码：

from bs4 import BeautifulSoup 

data = """ 
<div> 
    <p>http://google.com</p> 
    <p>https://stackoverflow.com</p> 
</div> 
""" 

soup = BeautifulSoup(data, "html.parser") 
for elm in soup.find_all("p", text=lambda text: text and text.startswith("http")): 
    elm.replace_with(soup.new_tag("a", href=elm.get_text())) 

print(soup.prettify()) 

打印：

<div> 
    <a href="http://google.com"></a> 
    <a href="https://stackoverflow.com"></a> 
</div> 

我能想象这种做法决裂，但它应该是一个良好的开端为您服务。

---

如果您还想要文本添加到您的链接，设置.string属性：

soup = BeautifulSoup(data, "html.parser") 
for elm in soup.find_all("p", text=lambda text: text and text.startswith("http")): 
    a = soup.new_tag("a", href=elm.get_text()) 
    a.string = "link" 
    elm.replace_with(a)