在ElementTree文本中插入标签

2022-08-22 00:00:00 python elementtree lxml html

我正在使用PythonElementTree模块来操作HTML。我想强调某些词，我目前的解决方案是：

for e in tree.getiterator():
    for attr in 'text', 'tail':
        words = (getattr(e, attr) or '').split()
        change = False
        for i, word in enumerate(words):
            word = clean_word.sub('', word)
            if word.lower() in glossary:
                change = True
                words[i] = word.replace(word, '<b>' + word + '</b>')
        if change:
            setattr(e, attr, ' '.join(words))

上面检查了每个元素的文本，并强调了它找到的重要单词。然而，它是通过在文本属性中嵌入HTML标记来实现这一点的，在呈现时会对其进行转义，因此我需要使用：

html = etree.tostring(tree).replace('&gt;', '>').replace('&lt;', '<')

这让我不舒服，所以我想正确地做它。然而，要嵌入一个新元素，我需要在"Text"和"Tail"属性之间切换，以便强调的文本出现在相同的位置。当像上面那样迭代时，这将是非常棘手的。

任何如何正确完成此操作的建议都将不胜感激。我肯定我在API中遗漏了一些东西！

xslt

您还可以使用推荐答案和一个定制的xPath函数来完成此操作。

下面显示的是一个示例。它仍然需要做一些工作，例如清理元素末尾的多余空格和处理混合文本，但这是另一种想法。

给定此输入：


<html>
<head>
</head>
<body>
<p>here is some text to bold</p>
<p>and some more</p>
</body>
</html>

和词汇表包含两个词：一些，粗体

则示例输出为：


<?xml version="1.0"?>
<html>
<head/>
<body>
<p>here is <b>some</b> text to <b>bold</b> </p>
<p>and <b>some</b> more </p>
</body>
</html>

这是代码，我也发布在http://bkc.pastebin.com/f545a8e1d


from lxml import etree

stylesheet = etree.XML("""
    <xsl:stylesheet version="1.0"
         xmlns:btest="uri:bolder"
         xmlns:xsl="http://www.w3.org/1999/XSL/Transform">

        <xsl:template match="@*">
            <xsl:copy />
        </xsl:template>

        <xsl:template match="*">
            <xsl:element name="{name(.)}">
                <xsl:copy-of select="@*" />
                <xsl:apply-templates select="text()" />
                <xsl:apply-templates select="./*" />
            </xsl:element>
        </xsl:template>

        <xsl:template match="text()">
            <xsl:copy-of select="btest:bolder(.)/node()" />
        </xsl:template>         
     </xsl:stylesheet>
""")

glossary = ['some', 'bold']

def bolder(context, s):
    results = []
    r = None
    for word in s[0].split():
        if word in glossary:
            if r is not None:
                results.append(r)
            r = etree.Element('r')
            b = etree.SubElement(r, 'b')
            b.text = word
            b.tail = ' '
            results.append(r)
            r = None
        else:
            if r is None:
                r = etree.Element('r')
            r.text = '%s%s ' % (r.text or '', word)

        if r is not None:
            results.append(r)
    return results

def test():
    ns = etree.FunctionNamespace('uri:bolder') # register global namespace
    ns['bolder'] = bolder # define function in new global namespace
    transform = etree.XSLT(stylesheet)
    print str(transform(etree.XML("""<html><head></head><body><p>here is some text to bold</p><p>and some more</p></body></html>""")))

if __name__ == "__main__":
    test()

相关文章