Python--自动添加标签

最新推荐文章于 2024-08-07 20:46:53 发布

你是我的星冰乐

最新推荐文章于 2024-08-07 20:46:53 发布

阅读量3.7k

点赞数 2

本文链接：https://blog.youkuaiyun.com/qq_40147092/article/details/82628892

版权

一、项目介绍

利用Python，使用包括正则表达式给txt纯文本文件简单地添加HTML标记，得到html文件，让浏览器去显示它。

二、功能及实现

1.util：把一个文本分成很多文本块，文本块之间以一行空行分隔。一个文本块在后面会附上一种标签。这个文件里面有两个生成器，一个是负责在文本末尾生成一个空行（否则无法确定最后一个文本块到哪里结束），另一个是负责将文本块里面的所有行、段落合并，生成一个文本块字符串（比如一篇作文的正文可能有多行、多个段落，但他都属于正文这一个文本块）。

2.util代码讲解：两个生成器lines和blocks。blocks将一个文本块的所有行合并（一个段落有很多行），并将每行两端的缩进和换行删除，得到一个表示文本块的字符串。lines则是在文件末尾添加一个空行。yield返回一个迭代对象，赋给blocks生成器里面的line

def lines(file):
for line in file:yield line
yield '\n'

def blocks(file):
block = []
for line in lines(file):
if line.strip():
block.append(line)
elif block:
yield ''.join(block).strip()
block = []

3.rules：这个里面分为两块，condition、action。先讲condition：每个文本块会对应不同的标签，如heading、title、paragraph，存在属性type里。这些规则都是自己定义的，比如heading就是：....。再讲action：这个是借助于第四个版块handles过滤器来实现的，在handles里面主要就是打印标签，比如<p>、</p>。

class Rule:
def action(self, block, handler):
handler.start(self.type)
handler.feed(block)
handler.end(self.type)
return True

class HeadingRule(Rule):
type = 'heading'
def condition(self, block):
return not '\n' in block and len(block) <= 70 and not block[-1] == ':'

class TitleRule(HeadingRule):
type = 'title'
first = True
def condition(self, block):
if not self.first: return False
return HeadingRule.condition(self, block)

class ListItemRule(Rule):
type = 'listitem'
def condition(self, block):
return block[0] == '-'
def action(self, block, handler):
handler.start(self.type)
handler.feed(block[1:].strip())
handler.end(self.type)
return True

class ListRule(ListItemRule):

type = 'list'
inside = False
def condition(self, block):
return True
def action(self, block, handler):
if not self.inside and ListItemRule.condition(self, block):
handler.start(self.type)
self.inside = True
elif self.inside and not ListItemRule.condition(self, block):
handler.end(self.type)
self.inside = False
return False

class ParagraphRule(Rule):
type = 'paragraph'
def condition(self, block):
return True

4.handlers：Handler里面的callback：根据前缀和名称查找相应的方法、start和end都是辅助方法，通过前缀调用callback、sub返回一个函数传给re.sub（调用re.sub的地方），用于正则表达式替换，使用emphasis等名词调用的时候，这个方法将返回相应的替换函数（消除只能添加em标签）。Handler里面的HTMLRenderer：渲染HTML的具体处理程序。

class Handler:
   def callback(self, prefix, name, *args):
       method = getattr(self, prefix+name, None)
       if callable(method):
           return method(*args)
   def start(self, name):
       self.callback('start_', name)
   def end(self, name):
       self.callback('end_', name)
   def sub(self, name):
       def substitution(match):
           result = self.callback('sub_', name, match)
           if result is None:
               match.group(0)
           return result
       return substitution

class HTMLRenderer(Handler):
   def start_document(self):
       print('<html><head><title>...</title></head><body>')
   def end_document(self):
       print('</body></html>

5.markup：整个应用程序的核心，也就是这里面的解析器Parser，它使用一系列的规则和过滤器将txt转化为带标签的HTML。init函数里面创建了两个列表rules和filter（过滤器）。在后面的addRule和addFilter里面添加规则和过滤器（过滤器是个函数，）。最后再parse这个函数里面遍历每个文本块应用过滤器和规则，应用完过滤器之后看rule，如果满足condition，就调用action。

6.markup代码讲解：parser读取文件，应用规则、BasicTextParser添加规则和过滤器的parser子类。 em标签默认的强调方式是斜体、\1表示与第一个小括号里面的内容要匹配。

import sys, re
from handles import *
from util import *
from rules import *

class Parser:
def __init__(self, handler):
self.handler = handler
self.rules = []
self.filters = []
def addRule(self, rule):
self.rules.append(rule)
def addFilter(self, pattern, name):
def filter(block, handler):
return re.sub(pattern, handler.sub(name), block)
self.filters.append(filter)
def parse(self, file):
self.handler.start('document')
for block in blocks(file):
for filter in self.filters:
block = filter(block, self.handler)
for rule in self.rules:
if rule.condition(block):
last = rule.action(block, self.handler)
if last: break
self.handler.end('document')

class BasicTextParser(Parser):
"""

"""
def __init__(self, handler):
Parser.__init__(self, handler)
self.addRule(ListRule())
self.addRule(ListItemRule())
self.addRule(TitleRule())
self.addRule(HeadingRule())
self.addRule(ParagraphRule())
self.addFilter(r'\*(.+?)\*', 'emphasis')
self.addFilter(r'(http://[\.a-zA-Z/]+)', 'url')
self.addFilter(r'([\.a-zA-Z]+@[\.a-zA-Z]+)', 'mail')

handler = HTMLRenderer()
parser = BasicTextParser(handler)

parser.parse(sys.stdin)