BeautifulSoup提取指定class元素文本并替换值的问题与解法

问题场景 #

需要从如下HTML结构中提取class为category的li元素文本，并将颜色值映射为对应编码输出：

<ul>
    <li class="category">
        <i class="fa icon-cat"></i>
        <a href="#">Red</a>
    </li>
    <li class="category">
        <i class="fa icon-cat"></i>
        <a href="#">Black</a>
    </li>
    <li class="category">
        <i class="fa icon-cat"></i>
        <a href="#">Blue</a>
    </li>
</ul>

原有代码失效原因 #

初始版本代码失效的核心原因是：soup.find_all()返回的是BeautifulSoup的Tag对象列表，直接将Tag对象和字符串做相等判断，条件永远不成立，替换逻辑从未触发，最终提取.text得到的还是原始值。
错误代码参考：

categories = soup.find_all('li',{'class':'category'})
for i in range(len(categories)):
    # 此处Tag对象和字符串对比永远为False，替换不生效
    if categories[i] == 'Red':
        categories[i] = '1'
    if categories[i] == 'Black':
        categories[i] = '2'
    if categories[i] == 'Blue':
        categories[i] = '3'

output = ','.join([i.text for i in categories])
print(output)

优化后的Pythonic实现 #

可以用映射字典+列表推导式简化逻辑，无需手动循环修改列表元素，代码更简洁易读：

# 定义颜色到编码的映射关系
color_map = {'Red': '1', 'Black': '2', 'Blue': '3'}
# 提取文本的同时完成映射转换
categories = [color_map[t.get_text(strip=True)] for t in soup.find_all('li', class_='category')]
output = ','.join(categories)
print(output)

运行输出结果为：1,2,3，符合预期。

内容的提问来源于stack exchange，提问作者Catalin