如何用带有类的单个标记替换嵌套的blockquote标记？

Question

我继承了几千个凌乱的HTML文件，它们使用重复的blockquote标记来显示一首诗的行

示例：

<blockquote><blockquote>roses are red</blockquote></blockquote><br> <blockquote><blockquote><blockquote>violets are blue</blockquote></blockquote></blockquote><br> <blockquote><blockquote>this is another line</blockquote></blockquote><br> <blockquote><blockquote><blockquote>and this is too</blockquote></blockquote></blockquote><br>

Answer 1

您可以手动删除空白和新LINR。一旦消除了这一点，这将使工作更容易

假设这不是一个可以考虑的选项，你可以使用PHP做那个

$html = preg_replace('~>\\s+<~m', '><', $html);

现在，要替换块引号，您甚至可以使用记事本++查找/替换功能，您只需要找到一个模式。例如，对于当前代码，最多有两个或三个blockquotes。因此，在Notepad++中，您需要执行四个操作“查找/替换全部”

• 搜索<blockquote><blockquote>并替换为<p>（或按您的意愿设置范围）
• 搜索</blockquote></blockquote>并替换为</p>（或按您的意愿进行扩展）
• 搜索<blockquote><blockquote><blockquote>并替换为<p>（或按您的意愿设置范围）
• 搜索</blockquote></blockquote></blockquote>并替换为</p>（或按您的意愿进行扩展）

Answer 2

以下是我将如何使用lxml实现它：

（请注意，我在这首诗中添加了一行，以测试用空格分隔的标记。）

poem = """
<doc>
  <blockquote><blockquote>roses are red</blockquote></blockquote><br/>
  <blockquote>     <blockquote>roses are green</blockquote></blockquote><br/>
       <blockquote>
         <blockquote><blockquote>violets are blue</blockquote></blockquote></blockquote><br/>
    <blockquote><blockquote>this is another line</blockquote></blockquote><br/>
    <blockquote><blockquote><blockquote>and this is too</blockquote></blockquote></blockquote><br/>

</doc>
"""

doc = lxml.html.fromstring(poem)
targ = doc.xpath('//text()[normalize-space(.)]')
for t in targ:
    count = int(t.getparent().xpath("count(.//ancestor::*[name()='blockquote'])"))
    print(f'<blockquote indent="{count}">{t}<</blockquote>')

输出：

<blockquote indent="2">roses are red<</blockquote>
<blockquote indent="2">roses are green<</blockquote>
<blockquote indent="3">violets are blue<</blockquote>
<blockquote indent="2">this is another line<</blockquote>
<blockquote indent="3">and this is too<</blockquote>

为了更好地衡量（也为了未来读者的利益），我将使用xquery这样做：

let $j := <doc>
...text of poem above... 
</doc>

for $targ in $j//text()[normalize-space(.)] 

let $line := $targ/data(.) 
let $count := count($targ/ancestor::blockquote)
return 
<blockquote nested="{$count}">{$line}</blockquote>

输出相同