使用Python Beautiful Soup替换HTML引号字符串问题求助

你的代码有两处核心问题导致替换失败，以下是问题分析和修正方案：

问题1：HTML实体被自动解析，正则匹配目标错误 #

BeautifulSoup在解析HTML时，会自动把"这类HTML实体转换成对应的普通字符（也就是"）。所以你写的正则r'"(.*?)"'根本找不到匹配项，因为解析后的文本里已经没有"了。

问题2：正则替换的引用方式错误 #

你用f'“{pattern}”'作为替换字符串，这会把正则对象直接转换成字符串拼接进去，而不是引用正则捕获到的内容。正确的做法是用正则分组引用（比如\1）来调用捕获到的文本。

修正后的代码 #

from bs4 import BeautifulSoup
import re

html_file = "Helihoist.html"
# 用with语句安全读取文件
with open(html_file, 'r', encoding='utf-8') as HtmlFile:
    source_code = HtmlFile.read() 

soup = BeautifulSoup(source_code, 'html.parser')
# 匹配被普通双引号包裹的内容
pattern = re.compile(r'"(.*?)"')

# 查找所有包含双引号的文本节点
texts = soup.find_all(text=pattern)
for text in texts:
    # 用中文弯引号替换英文引号，\1引用捕获到的内容
    new_text = re.sub(pattern, r'“\1”', text)
    text.replace_with(new_text)

# 输出修改后的HTML内容
print(str(soup))
# 或者写入新文件
with open("modified_Helihoist.html", 'w', encoding='utf-8') as f:
    f.write(str(soup))

关键修改说明 #

• 正则表达式改为r'"(.*?)"'，匹配解析后的普通双引号。
• 替换字符串使用r'“\1”'，\1对应正则中(.*?)捕获到的引号内文本，实现"内容"到“内容”的转换。
• 使用with语句管理文件IO，避免资源泄漏。
• 最终通过str(soup)获取完整的修改后HTML，可直接输出或写入文件。

测试你的示例输入HTML，运行代码后会得到你期望的输出结果，且能处理任意标签内的英文引号。

内容的提问来源于stack exchange，提问作者rakesh.data