如何用BeautifulSoup为<item>内的多个<p>标签统一包裹<content>标签？

需求描述 #

需要为每个<item>标签内的所有<p>标签统一包裹一个<content>标签，且<item>内的<title>标签需位于<content>标签外部。

源文件内容 #

<item>
<title>Heading for Sec 1</title>
    <p>some text sec 1</p>
    <p>some text sec 1</p>
    <p>some text sec 1</p>
</item>

<item>
<title>Heading for Sec 2</title>
    <p>some text sec 2</p>
    <p>some text sec 2</p>
    <p>some text sec 2</p>
</item>

<item>
<title>Heading for Sec 3</title>
    <p>some text sec 3</p>
    <p>some text sec 3</p>
</item>

期望输出 #

<item>
<title>Heading for Sec 1</title>
    <content>
    <p>some text sec 1</p>
    <p>some text sec 1</p>
    <p>some text sec 1</p>
    </content>
</item>

<item>
<title>Heading for Sec 2</title>
    <content>
    <p>some text sec 2</p>
    <p>some text sec 2</p>
    <p>some text sec 2</p>
    </content>
</item>

<item>
<title>Heading for Sec 3</title>
    <content>
    <p>some text sec 3</p>
    <p>some text sec 3</p>
    </content>
</item>

问题代码 #

以下代码会为每个<p>单独包裹<content>，不符合需求：

from bs4 import BeautifulSoup
with open('testdoc.txt', 'r') as f:
    soup = BeautifulSoup(f, "html.parser")

content = None
for tag in soup.select("p"):  
    if tag.name == "p":
        content = tag.wrap(soup.new_tag("content"))
        content.append(tag)
        continue

print(soup)

修正方案 #

问题出在遍历单个<p>标签，导致每个<p>都被单独包裹。正确做法是按<item>为单位处理，将每个<item>内的所有<p>统一放入同一个<content>标签中。

修正后的代码：

from bs4 import BeautifulSoup

with open('testdoc.txt', 'r') as f:
    soup = BeautifulSoup(f, "html.parser")

# 遍历每个item标签
for item in soup.find_all("item"):
    # 获取当前item下的所有p标签
    p_tags = item.find_all("p")
    if not p_tags:
        continue
    
    # 创建content标签
    content_tag = soup.new_tag("content")
    # 将所有p标签移动到content标签内
    for p in p_tags:
        content_tag.append(p)
    
    # 找到当前item下的title标签，在其后面插入content标签
    title_tag = item.find("title")
    title_tag.insert_after(content_tag)

# 输出处理后的内容
print(soup.prettify())

代码说明 #

1. 遍历每个<item>标签，确保每个<item>单独处理；
2. 提取当前<item>内的所有<p>标签，若没有则跳过；
3. 创建新的<content>标签，将所有<p>标签依次移入其中；
4. 找到<item>内的<title>标签，在其后面插入<content>标签，保证<title>在<content>外部；
5. 使用prettify()方法格式化输出，保持代码结构清晰。

内容的提问来源于stack exchange，提问作者elbourne