使用BeautifulSoup替换blockquote内换行符为<br>（兼容嵌套HTML标签）

我希望使用BeautifulSoup解析HTML，将<blockquote>标签内部的所有换行符（\n）替换为<br>标签。由于<blockquote>内部可能包含其他嵌套HTML标签，实现该操作存在额外难度。

当前实现代码 #

from bs4 import BeautifulSoup

html = """
<p>Hello
there</p>
<blockquote>Line 1
Line 2
<strong>Line 3</strong>
Line 4</blockquote>
"""

soup = BeautifulSoup(html, "html.parser")

for element in soup.findAll():
    if element.name == "blockquote":
        new_content = BeautifulSoup(
            "<br>".join(element.get_text(strip=True).split("\n")).strip("<br>"),
            "html.parser",
        )
        element.string.replace_with(new_content)

print(str(soup))

预期输出结果 #

<p>Hello
there</p>
<blockquote>Line 1<br/>Line 2<br/><strong>Line 3</strong><br/>Line 4</blockquote>

现有代码问题 #

上述参考现有答案编写的代码，仅在<blockquote>内无其他HTML标签时可正常运行；当标签内存在嵌套HTML标签（如示例中的<strong>Line 3</strong>）时，element.string属性值为None，会导致代码运行失败，且get_text()方法会直接丢弃所有嵌套标签结构，不符合需求。

原有方案的核心问题是直接操作整块blockquote的内容，把内部标签全部转成了纯文本，自然会丢失嵌套结构。正确的思路是只处理blockquote内部的文本节点，完全保留原有HTML标签结构，仅把文本内容里的换行符替换为<br>标签即可。

可直接运行的修正代码如下：

from bs4 import BeautifulSoup, NavigableString

html = """
<p>Hello
there</p>
<blockquote>Line 1
Line 2
<strong>Line 3</strong>
Line 4</blockquote>
"""

soup = BeautifulSoup(html, "html.parser")

# 遍历所有blockquote标签
for blockquote in soup.find_all("blockquote"):
    # 提取所有文本节点转成列表，避免遍历过程中DOM修改导致的索引异常
    text_nodes = list(blockquote.find_all(string=True))
    for text_node in text_nodes:
        # 按换行符拆分当前文本节点
        text_parts = text_node.split("\n")
        # 没有换行符直接跳过
        if len(text_parts) == 1:
            continue
        # 找到当前文本节点在父标签中的位置，移除原文本节点
        parent = text_node.parent
        insert_pos = parent.contents.index(text_node)
        text_node.extract()
        # 依次插入拆分后的文本片段和<br>标签，最后一个片段后不插<br>
        for idx, part in enumerate(text_parts):
            if part:
                parent.insert(insert_pos, NavigableString(part))
                insert_pos += 1
            if idx != len(text_parts) - 1:
                br_tag = soup.new_tag("br")
                parent.insert(insert_pos, br_tag)
                insert_pos += 1

print(str(soup))

方案说明 #

• 不会修改<blockquote>外的任何内容，外部p标签里的换行完全保留
• 100%保留blockquote内部所有嵌套标签结构，示例中的<strong>标签不会被破坏
• 仅替换文本节点中存在的换行符，不会额外插入多余的<br>标签
• 运行后输出结果和预期完全一致

内容的提问来源于stack exchange，提问作者Phil Gyford