解析html

由于有需求对word导出的html进行一些操作处理，把一些指定好格式的文本转变为特定的标签。

但是word转换为html时产生很多垃圾的标签，例如：在word中的文本：@####00:00####第1讲课内容####@

要对产生的html中解析出00:00，和第1讲课内容改为特定的html标签。

在word中@####00:00####第1讲课内容####@是连续的，但是转换成html后，该内容被很多span，font标签嵌套

拆分开来。要解析到该串内容并转为指定的标签在写入文件就比较麻烦了。

解决办法：

使用python，下载BeautifulSoup库，该库主要对HTML、XML等解析操作提供便利。

首先是BeautifulSoup库的安装。

安装BeautifulSoup库时，两条指令：

python setup.py build

python setup.py install

该库对标签遍历、修改属性、修改内容、增加标签、按照格式写入文件等，都很方便。