通过CommandLin替换HTML的选择

2024-04-25 00:39:17 发布

您现在位置：Python中文网/ 问答频道 /正文
4298 3

编辑：我知道怎么做。我不是在寻找解决方案，而是在花时间自己用脚本语言写东西之前，先寻找一个流程或现有的程序建议。你知道吗

我在不同的目录中有一些HTML文件，它们都具有相似的结构：

<html>
    <head>...</head>
    <body>
        <nav>...</nav>
        <section>...</section>
    </body>
</html>

对于我指定的所有文件，我想用其他节以编程方式替换HTML节（例如，用不同的nav块[在我选择的文件中指定]）替换<nav>块）

我认为理想的解决方案是使用lxml或类似的Python工具，但是如果有一种简单的方法可以使用*nixy工具或现有的程序来实现，我很乐意这样做，而不是编写一个脚本。你知道吗


Tags： 文件工具程序编辑html时间sectionbody
3条回答
网友
1楼 · 编辑于 2024-04-25 00:39:17

最后，我编写了自己的小命令行工具来做我想做的事情。它在我的用例中运行得相当好，我打算随着时间的推移对它进行改进。它在GitHub上：trufflepig。你知道吗

我希望它也能对其他人有用。你知道吗

网友
2楼 · 编辑于 2024-04-25 00:39:17

您也许可以像这样对Python使用BeautifulSoup。你知道吗

import BeautifulSoup

soup = BeautifulSoup.BeautifulSoup(htmldata)
nav = soup.find("nav")
nav.name = "new name"

例如：

import BeautifulSoup

html_data = "<nav>Some text</nav>"
soup = BeautifulSoup.BeautifulSoup(html_data)
nav = soup.find("nav")
nav.name = "nav2"

将更改：<nav></nav>到<nav2></nav2>

网友
3楼 · 编辑于 2024-04-25 00:39:17

不要使用正则表达式或字符串解析。那些只会让你的头受伤。使用解析器。你知道吗

在Ruby中，我会使用Nokogiri：

require 'nokogiri'

html = '
<html>
  <body>
    <nav>...</nav>
    <section>...</section>
  </body>
</html>
'
doc = Nokogiri::HTML(html)

nav = doc.at('nav').content = "this is a new block"
puts doc.to_html

输出：

<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.0 Transitional//EN" "http://www.w3.org/TR/REC-html40/loose.dtd">
<html><body>
    <nav>this is a new block</nav><section>...</section>
</body></html>

当然，您希望用File.read('snippet.html')之类的内容替换"this is a new block"。你知道吗

如果替换文件包含HTML片段而不是nav内容，请使用以下内容：

nav = doc.at('nav').replace('<nav>this is a new block</nav>')

输出将是相同的。（同样，如果你是这样学习的，可以使用File.read从文件中获取它。）

在Nokogiri中，at找到由CSS或XPath访问器指定的标记的第一个实例并返回节点。我在上面使用了CSS，但是//nav也可以。at猜测访问器的类型。如果您想具体一点，可以使用at_css或at_xpath，因为可能有不明确的访问器。另外，Nokogiri有search，它返回一个NodeSet，它的行为类似于一个数组。您可以按自己的意愿对结果进行迭代。与at一样，也有CSS和XPath特定的版本，分别是css和xpath。你知道吗

Nokogiri有一个CLI接口，对于像本例这样简单的东西，它可以工作，但我也可以用sed或Ruby/Perl/Python一行程序来完成。你知道吗

curl -s http://nokogiri.org | nokogiri -e'p $_.css("h1").length'

不过，HTML很少这么简单，尤其是在野外漫游的任何东西，CLI或一行程序解决方案将迅速失控，或者干脆消亡。我说，基于多年来编写的许多spider和RSS聚合器，当您引入额外的HTML或XML源代码时，一开始简单的东西会变得复杂得多，而且从来不会变得简单。使用解析器让我学会了先去找它们。你知道吗

相关问题 更多 >

    编程相关推荐