Python脚本修改含HTML片段的XML内HTML类名的实现问题

• 核心问题：你修改了BeautifulSoup解析出的HTML对象，但没把修改后的HTML内容重新赋值回XML元素，导致原XML未更新。下面用lxml结合BeautifulSoup实现完整流程，确保修改能同步到XML：

完整代码实现 #

from lxml import etree
from bs4 import BeautifulSoup

# 1. 加载XML文件
tree = etree.parse("your_file.xml")
root = tree.getroot()

# 2. 遍历所有<questiontext>元素
for questiontext in root.xpath("//questiontext"):
    # 3. 提取元素内的HTML内容，用BeautifulSoup解析
    html_content = questiontext.text or ""
    soup = BeautifulSoup(html_content, "lxml")
    
    # 4. 找到所有包含wrapper类的元素，修改类名
    for elem in soup.find_all(class_="wrapper"):
        # 处理多类名情况，拆分后替换再重组
        classes = elem.get("class", [])
        updated_classes = ["prefixed-wrapper" if cls == "wrapper" else cls for cls in classes]
        elem["class"] = updated_classes
    
    # 5. 将修改后的HTML重新赋值给XML元素
    # 注意：用prettify()会格式化HTML，若要保持原格式，用str(soup)
    questiontext.text = str(soup)

# 6. 保存修改后的XML文件
tree.write("updated_file.xml", encoding="utf-8", xml_declaration=True)

关键细节说明 #

• 选用lxml是因为它同时支持XML和HTML解析，比纯BeautifulSoup处理XML更稳定，能准确定位XML元素。
• 处理类名时直接操作elem["class"]列表，完美支持多类名组合（比如class="wrapper box"会变成class="prefixed-wrapper box"），完全规避正则匹配的风险。
• 必须将修改后的HTML字符串重新赋值给questiontext.text——这是你之前遗漏的核心步骤，只修改BeautifulSoup对象不会自动同步到XML树中。
• 若需保留原HTML的原始格式（不自动添加换行和缩进），用str(soup)替代soup.prettify()。

内容的提问来源于stack exchange，提问作者Madamadam