使用BeautifulSoup与Python将段落内图标span转换为文本

问题描述 #

现有包含内联span图标元素的段落，代码结构如下：

<p>
  <span class="icon-water icon"></span>
  Some text...
  <span class="icon-steel icon"></span>
  some more text.
</p>

需要编写Python函数提取该段落文本，并将图标span转换为对应文本：

<span class="icon-water icon"></span> => '{water}'
<span class="icon-steel icon"></span> => '{steel}'

最终需得到结果：

{water} Some text... {steel} some more text.

请问如何通过BeautifulSoup实现此需求？

解决方案 #

可以通过遍历目标<p>标签下的所有子节点，区分文本节点和图标span节点，分别处理后拼接内容来实现：

1. 先安装beautifulsoup4库：pip install beautifulsoup4
2. 解析HTML内容并定位到目标<p>标签
3. 逐个处理<p>下的子节点：
   • 文本节点：提取内容并清理首尾空白，跳过空文本避免多余空格
   • span图标节点：从class属性中提取图标名称，格式化为{图标名}的形式
4. 拼接所有处理后的片段，整理成整洁的最终文本

完整代码示例

from bs4 import BeautifulSoup, NavigableString

def convert_icon_span_to_text(html):
    soup = BeautifulSoup(html, 'html.parser')
    p_element = soup.find('p')
    output_parts = []
    
    for node in p_element.contents:
        # 处理纯文本节点
        if isinstance(node, NavigableString):
            cleaned_text = node.strip()
            if cleaned_text:
                output_parts.append(cleaned_text)
        # 处理图标span节点
        elif node.name == 'span' and 'icon' in node.get('class', []):
            # 提取图标名称（从icon-开头的类名中拆分）
            for cls in node.get('class'):
                if cls.startswith('icon-'):
                    icon_name = cls.split('icon-')[1]
                    output_parts.append(f'{{{icon_name}}}')
                    break
    
    # 用单个空格拼接所有片段，保证格式规范
    return ' '.join(output_parts)

# 测试代码
test_html = '''
<p>
  <span class="icon-water icon"></span>
  Some text...
  <span class="icon-steel icon"></span>
  some more text.
</p>
'''

print(convert_icon_span_to_text(test_html))
# 输出结果：{water} Some text... {steel} some more text.

代码说明

• NavigableString是BeautifulSoup中文本节点的类型，用来区分标签和纯文本内容
• 遍历span的class属性筛选icon-开头的类名，确保不管class顺序如何都能正确提取图标名称
• 清理文本节点的空白并跳过空内容，避免原HTML的换行、缩进产生多余空格
• 最后用' '.join()拼接，保证片段之间只有一个空格，符合预期格式

内容的提问来源于stack exchange，提问作者kevski