Python 使用 Beautiful Soup 用 LaTeX 命令替换 XML 标签

发布于06月25日

我需要将XML文档转换为LaTeX.类似于

<?xml version="1.0" encoding="UTF-8"?>

<foo>
    12345
    <bar>
        67890
    </bar>
</foo>

到

\foo{12345\bar{67890}}

如果我这样做了

from bs4 import BeautifulSoup

with open("foobar.xml") as fp:
    soup = BeautifulSoup(fp, 'xml')

for tag in soup.find_all("foo"):
    tag.replaceWith(f"""{tag.text}""")

然后移除内部的标签.如果我使用contents而不是text，它将返回一个列表.

我try 了soup.find('foo').unwrap()个，但它只是删除了标签，没有替换它.

我知道我可以先替换bar，然后再替换foo，但我想要一个不依赖于标签顺序的解决方案.

推荐答案

try 使用递归:

from bs4 import BeautifulSoup, NavigableString, Tag


xml_doc = """\
<?xml version="1.0" encoding="UTF-8"?>
<foo>
    12345
    <bar>
        67890
    </bar>
</foo>"""


def write(tag):
    s = "\\" + tag.name + "{"
    for c in tag.contents:
        if isinstance(c, Tag):
            s += write(c)
        elif isinstance(c, NavigableString):
            s += c.strip()
    return s + "}"


soup = BeautifulSoup(xml_doc, "xml")
print(write(soup.foo))

打印: