如何用BeautifulSoup将父级含<li>的子<li>标签替换为<SOME>

给定HTML代码 #

<html>
    <body>
        Free Text: Above
        <ul>
            <li> data 1 </li>
            <li>
                <ul>
                    <li> 
                        <ol start = "321">
                            <li> sub-sub list 1 
                                <ol>
                                    <li> sub sub sub list </li>
                                </ol>
                            </li>
                            <li> sub-sub list 2 </li>
                        </ol>
                    </li>
                    <li> sub list 2 </li>
                    <li> sub list 3 </li>
                </ul>
            </li>
            <li> <p> list type paragraph </p> data 3 </li>
        </ul>

        Free Text: Middle
        
        <ul>
            <li> Second UL list </li>
            <li> Second List part 2 </li>
        </ul>

        Free Text : Below
    </body>
</html>

期望转换结果 #

<html>
    <body>
        Free Text: Above
        <ul>
            <li> data 1 </li>
            <li>
                <ul>
                    <SOME> 
                        <ol start = "321">
                            <SOME> sub-sub list 1 
                                <ol>
                                    <SOME> sub sub sub list </SOME>
                                </ol>
                            </SOME>
                            <SOME> sub-sub list 2 </SOME>
                        </ol>
                    </SOME>
                    <SOME> sub list 2 </SOME>
                    <SOME> sub list 3 </SOME>
                </ul>
            </li>
            <li> <p> list type paragraph </p>data 3 </li>
        </ul>

        Free Text: Middle
        
        <ul>
            <li> Second UL list </li>
            <li> Second List part 2 </li>
        </ul>

        Free Text : Below
    </body>
</html>

原代码问题分析 #

原代码存在两个核心问题：

• 替换时仅用new_tag.string = tag.text复制纯文本，丢失了
• 内部的所有子标签（如嵌套的
  ），不符合结构保留的要求。
  1. 复制内容的方式错误，导致深层嵌套的
  2. 替换后结构完全丢失。

修正后的解决方案 #

from bs4 import BeautifulSoup

given = """<html>
    <body>
        Free Text: Above
        <ul>
            <li> data 1 </li>
            <li>
                <ul>
                    <li> 
                        <ol start = "321">
                            <li> sub-sub list 1 
                                <ol>
                                    <li> sub sub sub list </li>
                                </ol>
                            </li>
                            <li> sub-sub list 2 </li>
                        </ol>
                    </li>
                    <li> sub list 2 </li>
                    <li> sub list 3 </li>
                </ul>
            </li>
            <li> <p> list type paragraph </p> data 3 </li>
        </ul>

        Free Text: Middle
        
        <ul>
            <li> Second UL list </li>
            <li> Second List part 2 </li>
        </ul>

        Free Text : Below
    </body>
</html>"""

soup = BeautifulSoup(given, 'html.parser')

# 遍历所有<li>标签，深度优先确保先处理内层节点
for tag in soup.find_all('li'):
    # 判断当前<li>是否存在<li>类型的祖先节点
    if tag.find_parent('li'):
        new_tag = soup.new_tag("SOME")
        # 将原<li>的所有子节点（文本+标签）迁移到新标签中
        for child in tag.contents:
            new_tag.append(child)
        # 替换原<li>标签
        tag.replace_with(new_tag)

result = str(soup)
print(result)

代码说明 #

1. 遍历顺序：soup.find_all('li')默认按深度优先遍历，会先处理最内层的
2. ，避免外层节点替换后影响内层节点的查找。
3. 条件判断：使用tag.find_parent('li')高效判断当前
4. 是否嵌套在其他
5. 内部，只要存在符合条件的祖先就执行替换。
6. 节点迁移：通过遍历tag.contents将原
7. 的所有子节点（包括文本和嵌套标签）逐个添加到新的标签中，完整保留原有结构。

内容的提问来源于stack exchange，提问作者Deshwal