替换Python字符串中的自定义“HTML”标记

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了替换Python字符串中的自定义“HTML”标记相关的知识,希望对你有一定的参考价值。

我希望能够在字符串中包含自定义“HTML”标记,例如:"This is a <photo id="4" /> string"

在这种情况下,自定义标记是<photo id="4" />。如果它更容易,即[photo id:4]或其他什么,我也可以改变这个自定义标签以改写。

我希望能够将此字符串传递给将提取标签<photo id="4" />的函数,并允许我将其转换为更复杂的模板,如<div class="photo"><img src="...." alt="..."></div>,然后我可以使用它来替换原始字符串中的标记。

我正在成像这样的工作:

>>> content = "This is a <photo id="4" /> string"
# Pass the string to a function that returns all the tags with the given name.
>>> tags = parse_tags('photo', string)
>>> print(tags)
[{'tag': 'photo', 'id': 4, 'raw': '<photo id="4" />'}]
# Now that I know I need to render a photo with ID 4, so I can pass that to some sort of template thing
>>> rendered = render_photo(id=tags[0]['id'])
>>> print(rendered)
<div class="photo"><img src="...." alt="..."></div>
>>> content = content.replace(tags[0]['raw'], rendered)
>>> print(content)
This is a <div class="photo"><img src="...." alt="..."></div> string

我认为这是一个相当常见的模式,比如把照片放在博客文章中,所以我想知道是否有一个库可以做类似于上面的示例parse_tags函数。或者我需要写它吗?

这个照片标签的例子只是一个例子。我想要有不同名称的标签。作为一个不同的例子,也许我有一个人的数据库,我想要一个像<person name="John Doe" />的标签。在那种情况下,我想要的输出就像{'tag': 'person', 'name': 'John Doe', 'raw': '<person name="John Doe" />'}。然后我可以使用该名称查看该人并返回该人的vcard或其他东西的渲染模板。

答案

如果您正在使用HTML5,我建议您查看xml模块(etree)。它将允许您将整个文档解析为树结构并单独操作标记(然后将resut bask转换为html文档)。

您还可以使用正则表达式来执行文本替换。如果您没有太多的更改,这可能比加载xml树结构更快。

    import re
    text = """<html><body>some text <photo> and tags <photo id="4"> more text <person name="John Doe"> yet more text"""
    tags = ["photo","person","abc"]
    patterns = "|".join([ f"(<{tag} .*?>)|(<{tag}>)" for tag in tags ])
    matches = list(re.finditer(patterns,text))
    for match in reversed(matches):
        tag = text[match.start():match.end()]
        print(match.start(),match.end(),tag)
        # substitute what you need for that tag
        text = text[:match.start()] + "***" + text[match.end():]
    print(text)

这将打印出来:

    64 88 <person name="John Doe">
    39 53 <photo id="4">
    22 29 <photo>
    <html><body>some text *** and tags *** more text *** yet more text

以相反顺序执行替换可确保finditer()找到的范围保持有效,因为文本随替换而变化。

另一答案

对于这种“外科”解析(您希望隔离特定标记而不是创建完整的分层文档),pyparsing的makeHTMLTags方法可能非常有用。

请参阅下面带注释的脚本,显示解析器的创建,并将其用于parseTagreplaceTag方法:

import pyparsing as pp

def make_tag_parser(tag):
    # makeHTMLTags returns 2 parsers, one for the opening tag and one for the
    # closing tag - we only need the opening tag; the parser will return parsed
    # fields of the tag itself
    tag_parser = pp.makeHTMLTags(tag)[0]

    # instead of returning parsed bits of the tag, use originalTextFor to
    # return the raw tag as token[0] (specifying asString=False will retain
    # the parsed attributes and tag name as attributes)
    parser = pp.originalTextFor(tag_parser, asString=False)

    # add one more callback to define the 'raw' attribute, copied from t[0]
    def add_raw_attr(t):
        t['raw'] = t[0]
    parser.addParseAction(add_raw_attr)

    return parser

# parseTag to find all the matches and report their attributes
def parseTag(tag, s):
    return make_tag_parser(tag).searchString(s)


content = """This is a <photo id="4" /> string"""

tag_matches = parseTag("photo", content)
for match in tag_matches:
    print(match.dump())
    print("raw: {!r}".format(match.raw))
    print("tag: {!r}".format(match.tag))
    print("id:  {!r}".format(match.id))


# transform tag to perform tag->div transforms
def replaceTag(tag, transform, s):
    parser = make_tag_parser(tag)

    # add one more parse action to do transform
    parser.addParseAction(lambda t: transform.format(**t))
    return parser.transformString(s)

print(replaceTag("photo", 
                   '<div class="{tag}"><img src="<src_path>/img_{id}.jpg." alt="{tag}_{id}"></div>', 
                   content))

打印:

['<photo id="4" />']
- empty: True
- id: '4'
- raw: '<photo id="4" />'
- startPhoto: ['photo', ['id', '4'], True]
  [0]:
    photo
  [1]:
    ['id', '4']
  [2]:
    True
- tag: 'photo'
raw: '<photo id="4" />'
tag: 'photo'
id:  '4'
This is a <div class="photo"><img src="<src_path>/img_4.jpg." alt="photo_4"></div> string

以上是关于替换Python字符串中的自定义“HTML”标记的主要内容,如果未能解决你的问题,请参考以下文章

python Maya中的自定义标记菜单示例,以Python编写。

python 使用Django单位中的自定义日期模拟/替换timezone.now()

用 Chrome 中的自定义文本替换默认的 html5 日期占位符

QVariant 中的自定义类型转换为空字符串

替换 HTML 字符串中 HTML 标记属性的引号

如何使用 Python 将任何字符串转换为有效的自定义模式?