在Python中解释嵌套的HTML<blockquote>s？

Question

我有一个从Tumblr API读取并重新格式化“reblog链”格式的web应用程序。在

在Tumblr中，文章的注释存储为HTML块引号。当用户对上面的评论做出回应时，另一个层次被添加到blockquote链中，最终导致许多嵌套的重新登录链。在

---

下面是一个“重新登录链”在纯HTML中的外观示例：

<p><a class="tumblr_blog" href="http://chainsaw-police.tumblr.com/post/96158438802/example-tumblr-post">chainsaw-police</a>:</p><blockquote>

    <p><a class="tumblr_blog" href="http://example-blog-domain.tumblr.com/post/96158384215/example-tumblr-post">example-blog-domain</a>:</p><blockquote>
        <p>Here is an example of a Tumblr post.</p> <p>It can have multiple &lt;p&gt; elements sometimes. It may only have one, though, at other times.</p>
    </blockquote>

    <p>This is an example of a user “reblogging” a post. As you can see, the previous comment is stored above as a &lt;blockquote&gt;.</p>
</blockquote>

<p>This is another reblog. As you can see, all of the previous comments are stored as blockquotes, with earlier ones being residing deeper in the nest of blockquotes.</p>

---

And this is what it looks like when rendered.

---

我希望能够重新格式化reblog链，使其看起来更像：

示例： 下面是一个Tumblr帖子的例子。在

有时它可以有多个<；p>；元素。不过，其他时候可能只有一个。在

电锯警察： 这是一个用户“重新记录”一篇文章的例子。如您所见，前面的注释作为<；blockquote>；存储在上面；。在

示例博客域： 这是另一个重播。如您所见，前面所有的注释都存储为blockquote，而早期的注释则位于blockquote嵌套的更深位置。在

---

所以我想让它变得更易懂。在

有什么方法可以解释HTML并将重新记录分成单独的“注释”吗？例如，有一个包含用户名和注释的数组或dict就足够了。然而，在和lxml和beauthoulsoup混了几个月之后，我真是束手无策了。在

如果有一种方法可以用CSS来实现，我非常怀疑，那就好了。在

提前谢谢大家！在

Answer 1

我猜CSS没有这样的功能。 你需要用lxml来解析一个结构。。。然后渲染它。这是更简单的方法。您还可以使用regexp创建一个过滤器，它不会传递错误的html代码项。在