如何使用python在字符串html中逐行添加“\ n”？

Posted 2023-02-23

【中文标题】如何使用python在字符串html中逐行添加“\\ n”？

【英文标题】：How to add "\n" line by line in string html with python?如何使用python在字符串html中逐行添加“\ n”？

【发布时间】：2021-12-26 04:30:38

【问题描述】：

我有一行html格式如下：

<ol class="X5LH0c"><li class="TrT0Xe" id="hello">Create A Bakery Business Plan. ... </li><li class="TrT0Xe" id="hello">Choose A Location For Your Bakery Business. ... </li><li class="TrT0Xe">Get All Licenses Required To Open A Bakery Business In India. ... </li><li class="TrT0Xe">Get Manpower Required To Open A Bakery. ... </li><li class="TrT0Xe">Buy Equipment Needed To Start A Bakery Business.</li></ol>

HTML 代码将具有未指定的属性 class 和 id。关闭 HTML 代码时，我需要逐行添加“\n”。 我在 Python 中的代码是这样的：

TAGS = ['p', 'h1', 'h2', 'h3', 'h4', 'li', 'img','ol']
SINGLE_LINE_TAGS = ['ul', 'ol']
INLINE_TAGS = ['strong', 'i', 'u', 'em']

html = '''<ol class="X5LH0c"><li class="TrT0Xe" id="hello">Create A Bakery Business Plan. ... </li><li class="TrT0Xe" id="hello">Choose A Location For Your Bakery Business. ... </li><li class="TrT0Xe">Get All Licenses Required To Open A Bakery Business In India. ... </li><li class="TrT0Xe">Get Manpower Required To Open A Bakery. ... </li><li class="TrT0Xe">Buy Equipment Needed To Start A Bakery Business.</li></ol>'''

for tag in TAGS:
    html = html.replace('</>'.format(tag), '</>\n'.format(tag))

for tag in SINGLE_LINE_TAGS:
    html = html.replace('<>'.format(tag), '<>\n'.format(tag))
    html = html.replace('</>'.format(tag), '</>\n'.format(tag))

html = html.replace(' />', ' />\n')

print(html)

但结果是：

<ol class="X5LH0c"><li class="TrT0Xe" id="hello">Create A Bakery Business Plan. ... </li>
<li class="TrT0Xe" id="hello">Choose A Location For Your Bakery Business. ... </li>
<li class="TrT0Xe">Get All Licenses Required To Open A Bakery Business In India. ... </li>
<li class="TrT0Xe">Get Manpower Required To Open A Bakery. ... </li>
<li class="TrT0Xe">Buy Equipment Needed To Start A Bakery Business.</li>
</ol>

为什么不是这个：

<ol class="X5LH0c">
<li class="TrT0Xe" id="hello">Create A Bakery Business Plan. ... </li>
<li class="TrT0Xe" id="hello">Choose A Location For Your Bakery Business. ... </li>
<li class="TrT0Xe">Get All Licenses Required To Open A Bakery Business In India. ... </li>
<li class="TrT0Xe">Get Manpower Required To Open A Bakery. ... </li>
<li class="TrT0Xe">Buy Equipment Needed To Start A Bakery Business.</li>
</ol>

我不使用正则表达式。谁能帮我修复代码？感谢您的支持！

【问题讨论】：

你正在替换<ol>，但你有<ol class="X5LH0c">

首先，你为什么要这样做？ HTML 不应该被漂亮地打印出来，因为它旨在由您的浏览器解析，而不是由您解析。其次，“

正则表达式甚至不是正确的工具，更不用说完美的处理HTML的工具了。

“HTML 代码将具有未指定的属性类和 id。”是什么意思？给定的代码清楚地指定了它们。

感谢大家的帮助！我将尝试使用正则表达式和 BeautifulSoup。感谢 Maurice Meyer、DYZ、chepner 和 The_spider。

【参考方案1】：

快速修复如下。

TAGS = ['p', 'h1', 'h2', 'h3', 'h4', 'li', 'img','ol']
SINGLE_LINE_TAGS = ['ul', 'ol']
INLINE_TAGS = ['strong', 'i', 'u', 'em']

html = '''<ol class="X5LH0c"><li class="TrT0Xe" id="hello">Create A Bakery Business Plan. ... </li><li class="TrT0Xe" id="hello">Choose A Location For Your Bakery Business. ... </li><li class="TrT0Xe">Get All Licenses Required To Open A Bakery Business In India. ... </li><li class="TrT0Xe">Get Manpower Required To Open A Bakery. ... </li><li class="TrT0Xe">Buy Equipment Needed To Start A Bakery Business.</li></ol>'''

# Xuống dòng mỗi thẻ
for tag in TAGS:
    html = html.replace('<'.format(tag), '\n<'.format(tag))

for tag in SINGLE_LINE_TAGS:
    html = html.replace('<>'.format(tag), '\n<>'.format(tag))
    html = html.replace('</>'.format(tag), '\n</>'.format(tag))

print(html)

因此，我已将右括号 </> 的搜索替换为左括号 < 的搜索，并在左括号之前切换了换行符的位置（因此 <li class ... 也是替换）。

这在 html 文件的开头产生了一个额外的行，您可以使用 html = html[1:] 删除它。

更优雅的解决方案是使用正则表达式替换，但这完全取决于您想要的确切输出。

【讨论】：

是的！谢谢你的帮助！它和我一起工作，先生！稍后我会尝试使用正则表达式，因为我认为正则表达式很慢，我需要一些简单的方法来解决这个问题。字符串没问题，但是当使用 HTML 标记非常困难时，我会尝试像你分享的那样使用正则表达式。