用纯Python代码去除生成HTML中的空白字符

Question

我正在使用Jinja2来生成HTML文件，这些文件通常非常大。我注意到生成的HTML里面有很多空白部分。有没有什么纯Python的工具可以用来减少这些HTML的大小？我说的“减少”是指去掉HTML中不必要的空白（就像谷歌做的那样——比如查看google.com的源代码）。

我不想依赖像tidy这样的库或外部程序。

为了进一步说明，里面几乎没有JavaScript代码，只有HTML内容。

Answer 1

我发现了一个叫做 python slimmer 的库，非常适合你需要做的事情。

from slimmer import html_slimmer # or xhtml_slimmer, css_slimmer
html = html_slimmer(html)

Answer 2

你也可以看看Jinja自带的空白控制功能，这可能会减少你在模板渲染后手动去除空白的需求。

引用文档中的内容：

不过你也可以手动在模板中去掉空白。如果你在一个块（比如一个for标签）、注释或变量表达式的开始或结束加上一个减号（-），就可以去掉那个块前后的空白：

{% for item in seq -%}
    {{ item }}
{%- endfor %}

这样做会让所有元素之间没有空白。如果seq是从1到9的数字列表，输出就会是123456789。

Answer 3

如果你只是想去掉多余的空白，可以使用：

>>> import re
>>> html_string = re.sub(r'\s\s+', ' ', html_string)

或者：

>>> html_string = ' '.join(html_string.split())

如果你想做一些比单纯去掉多余空白更复杂的事情，那你就需要用到更强大的工具（或者更复杂的正则表达式）。