如何在Python中将HTML字符串拆分为更短的HTML字符串？（添加了一些有趣的内容）
我在这个问题上遇到了很大的困难。
编辑：我把这个编辑放在最上面：如果有人想了解这个问题和更多内容，欢迎阅读。我开始解决这个很难的问题，但又遇到了新的问题。我想到的办法是把整个长HTML页面按段落（“p”标签）分开返回。到目前为止，一切都正常，当我执行assert False时，我得到了我想要的结果。然后在模板中，我遍历我在响应中发送的列表，对于每个值（一个段落），我现在创建一个div（书中的一页），这里就是问题所在。我发现每个段落出现了三次！代码如下...
assert (part of it):
<p style="text-align: center;">
<span style="font-size:24px;"><strong><u>The Ten Foot Stop</u></strong></span></p>,
<p style="margin-bottom: 0.2in; text-align: center;">
<span style="font-size:18px;"><font style="font-size: 7pt;">NEWS AND OCCASIONAL ITEMS
ABOUT THE MEDICAL ASPECTS OF SCUBA DIVING.<br />
POSTED BY ERN CAMPBELL, MD</font></span></p>
template:
{% for article_page in article_pages %}
{% if article_page %} <!-- don't show an empty paragraph -->
{{ article_page|safe }}
{% endif %}
{% endfor %}
show this in page:
[The Ten Foot Stop, The Ten Foot Stop, The Ten Foot Stop]
<!-- first paragraph has: The Ten Foot Stop -->
以下是我原始帖子中所有问题的描述： 我有一个非常长的HTML样式字符串（没有头部或主体等内容，但有标签和样式、图片标签以及其他所有内容），我需要根据单词数量将这个字符串分割成更小的字符串（需要让字符串适应特定大小的div——比如说每165个单词左右，或者更好的是适应特定高度，这样就能适应div的大小——但我觉得后者要复杂得多）。
我遇到的问题是，我尝试了各种方法，包括BeautifulSoup等，但我找不到一种方法来分割字符串，同时保持标签的完整性……比如说，如果我有一个样式标签，它的开始位置在第160个字符，结束位置在第170个字符，那么第二页（div）会把样式当作普通字符串处理，而BeautifulSoup只会关闭“坏”的标签，正如我所看到的，并不会为第二、第三个div中的“坏”文本打开标签……
我还考虑过使用text.py中的truncate_html_words，但顾名思义，这只是截断单词，并不会保留下一页的其余文本（或者我错了吗）？
有没有人知道怎么解决这个问题？
好的，我开始慢慢弄明白这个问题了，完成后我会发布出来，我觉得人们需要这种东西。下一步是，我按标签（在我的情况下是每个HTML的“p”标签）分割了HTML字符串。现在我该如何计算标签中的文本数量，仅计算文本？（注：标签可能有子标签包裹文本，也可能有多个子标签，比如：
谢谢，
Erez
2 个回答
我看到你在尝试分割时保持html标签不变。我只是想找一个方法，把一个很长的html字符串每n个字符分割一次，然后把这些较小的字符串添加到一个.txt文件中，每一行一个。然后在我的应用程序中，我使用这些较小的字符串从服务器发送网页的部分内容到客户端。
我在这里发布了我工作的脚本：https://stackoverflow.com/a/70287092/13795525
可以先从简单的开始，给自己设定一些合理的、有限的情况来处理，比如在 <p> 标签处换行、只显示图片的 alt 文本而不显示图片、并且不处理 div 标签。先看看这样做效果如何。然后再考虑是否要处理图片大小，或者只是给用户提供一个热点，让他们点击查看图片。接下来最重要的是处理 div 标签。可以先从不嵌套的 div 开始，确保在处理 <p> 标签时，能够保留当前 div 的格式。之后再增加嵌套，使用一个格式指令的堆栈，在遇到 <div> 和 </div> 标签时，进行推入和弹出操作。
虽然一开始的目标很简单，但我不会感到惊讶，如果不久后你发现自己正在开发一个完整的浏览器。
- 在屏幕大小限制内重新分页文本
- 必须处理模态样式和格式标签
- 必须处理不同大小的嵌入图片，可能还要让文本环绕它们
你没有提到需要支持表格。如果定义了带有 href 的锚标签，这些标签是应该作为可点击的热点吗？如果你需要用 JavaScript 做一些有意义的事情，那可就麻烦了。
在你确定简单的起点时，看看最终产品的需求和期望会有多广泛。如果你开始添加表格、框架、字体和复杂的样式指令，那你基本上就是在重新发明网页浏览器。到那时，试着让讨论回归理智——你只是一个人，写一个浏览器可不是周末能完成的任务。尽量把需求缩减到一组有限的支持标签。或者，可以考虑使用公开的开源浏览器引擎（比如 Chromium），你可能可以根据你简化的功能集进行调整。