soup.find_all正则匹配失败但regex101可命中，如何替换Outlook VML中内容

问题原因 #

• BeautifulSoup的find_all(text=pattern)（新版BS4建议使用string参数替代text）仅匹配标签包裹的普通文本节点，你要定位的<!--[if gte vml 1]>属于Comment类型的注释节点，不会被默认的text规则命中。
• 你的正则表达式包含<v:shape>这类标签结构，但text参数匹配时仅返回节点的纯文本内容，不会包含HTML标签语法，因此正则永远无法匹配成功。
• 你在regex101测试的是完整的原始HTML字符串，而BeautifulSoup已经将HTML解析为DOM节点树，标签、注释、文本都是独立节点，不存在包含标签语法的连续文本串可供匹配，因此返回空结果。

解决方法 #

方案1：原始字符串全局替换（最简单） #

如果确认所有Test-Dateien仅出现在资源路径中，不会误伤其他内容，直接对原始HTML字符串做替换即可：

# raw_html为你的原始HTML字符串
processed_html = raw_html.replace("Test-Dateien", "other-dir")
# 后续可正常用BeautifulSoup加载处理后的字符串

方案2：BeautifulSoup精准处理（避免误伤） #

如果需要严格仅替换资源路径中的目标内容，可分别处理注释节点和普通img标签：

from bs4 import BeautifulSoup, Comment
import re

# 加载原始HTML
soup = BeautifulSoup(raw_html, "html.parser")

# 替换注释节点（含VML代码）中的目标内容
for comment in soup.find_all(string=lambda t: isinstance(t, Comment)):
    if "Test-Dateien" in comment:
        comment.replace_with(comment.replace("Test-Dateien", "other-dir"))

# 替换普通img标签src属性中的目标内容
for img in soup.find_all("img", src=re.compile(r"Test-Dateien")):
    img["src"] = img["src"].replace("Test-Dateien", "other-dir")

# 输出处理后的HTML
processed_html = str(soup)

内容的提问来源于stack exchange，提问作者DanielHe