Есть такой кусочек HTML кода:
<div class="f-subheader subheader f-subheader-sm" data-editable="true" data-main-class="subheader" data-param="subheader">
<p>
holding educativo internacional
</p>
<p>
Academia STANDART LONDRES
</p>
</div>
<div class="f-header header f-header-72" data-editable="true" data-main-class="header" data-param="header">
<p>
<br/>
</p>
<p>
<br/>
</p>
<p>
<br/>
</p>
<h1>
Модные курсы и семинары
<br/>
парикмахеров, стилистов, визажистов, косметологов И мастеров маникюра
</h1>
</div>
<div class="f-desc description f-desc-xl" data-editable="true" data-main-class="description" data-param="description">
<p>
<strong>
ЕВРОПЕЙСКИЙ СТАНДАРТ ОБУЧЕНИЯ В Мексике и Колумбии
<br/>
ОТ ЭКСПЕРТОВ КРАСОТЫ ИЗ ЛОНДОНА
</strong>
<br/>
</p>
</div>
<div class="buttons" data-main-class="buttons">
<button class="btn f-btn btn-success" id="button3504888" style="color: #FFFFFF; background-color: #E31e24; " type="button">
Ver todos los cursos
</button>
Тот текст, что не на русском - был успешно извлечен, переведен и вставлен обратно
А тот, что не переведен - не был найден и соответсвенно не обработан.
Python скрипт:
soup = Soup(html, features="html.parser")
tags = ['span', 'p', 'b', 'a', 'div', 'li', 'h1', 'h2', 'h3', 'button', 'small', 'strong', 'td', 'img', 'input']
for tag in tags:
for htmltag in soup.find_all(tag):
try:
# print(f'Text: {htmltag.text}, string: {htmltag.string}')
if htmltag.string and len(htmltag.string) > 0:
# if tag == 'span' and 'Copyright' in htmltag.string : continue
# print(f'Tag <{tag}> String: {htmltag.string}')
translated = translator.translate(htmltag.string, dest=lang)
print(f'<{tag}> {htmltag.string} > {translated.text}')
htmltag.string.replace_with(translated.text)
elif tag == 'img' and 'alt' in htmltag.attrs and len(htmltag["alt"]) > 0:
# print(f'Tag <{tag}> Alt: {htmltag["alt"]}')
translated = translator.translate(htmltag['alt'], dest=lang)
print(f'<{tag}> {htmltag["alt"]} > {translated.text}')
htmltag['alt'] = translated.text
elif tag == 'input' and 'placeholder' in htmltag.attrs and len(htmltag["placeholder"]):
# print(f'Tag <{tag}> Placeholder: {htmltag["placeholder"]}')
translated = translator.translate(htmltag['placeholder'], dest=lang)
print(f'<{tag}> {htmltag["placeholder"]} > {translated.text}')
htmltag['placeholder'] = translated.text
except Exception as e:
pass
print(f'*** ERROR Tag: {tag} , htmltag: {htmltag} , Str: {htmltag.string} / Err: {e} ***')
errors += 1
Через htmtagl.text он находит текст, но и так же находит и код тега < script > если он в блоке < div >, чего не делает метод htmltag.string
А через .string он, как я понял, не находит текст, который включает в себя < /br > или еще что-то
Как извлекать текст и заменять его потом во всех тегах, в которых он есть?
