Python项目之即时标记

最新推荐文章于 2024-07-13 16:59:28 发布

mi_rencontre

最新推荐文章于 2024-07-13 16:59:28 发布

阅读量1.4k

点赞数 3

分类专栏： Python 项目文章标签： Python class 即时标记

本文链接：https://blog.csdn.net/mi_rencontre/article/details/51438454

版权

项目同时被 2 个专栏收录

6 篇文章 0 订阅

订阅专栏

Python

4 篇文章 0 订阅

订阅专栏

这个项目是《Python基础教程》后面的项目之一。当从一个不想写HTML代码的人那里得到一个文本文件，希望把它转成HTML的格式来当作一个网页来使用。人工添加标签是繁琐的，因此想写一个程序来自动完成。这类问题称之为即时标记。

主要是应用Python出色的文本处理能力——使用正则表达式将纯文本文件改写成语言（如HTML）中的标记，要做的工作基本上是将各种文本元素分类，比如标题和被强调的文本，然后明确地标记它们。

使用的方法：

1.对文件进行读写，从标准注入读取(sys.stdin)，利用print输出等。

2.对所输入的行进行迭代。

3.使用了一些字符串方法。

4.re模块

程序分为四个模块：语法分析器、规则、过滤器以及处理程序。

语法分析器：读取文本，管理其他类。

规则：为每个种类的块定制规则，检测适用的块类型并且进行适当的格式化。

过滤器：包装一些处理内嵌元素的正则表达式。

self.addFilter(r'\*(.+?)\*', 'emphasis')
self.addFilter(r'(http://[\.a-z0-9A-Z/]+)', 'url')
self.addFilter(r'([\.a-zA-Z]+@[\.a-zA-Z]+[a-zA-Z]+)','mail')

这三个过滤器分别是关于强调的内容，关于URL，关于email。

处理程序：产生不同种类的标记。

具体实现代码：

处理程序(handles.py)：

class Handler:

    def callback(self, prefix, name, *args):
        method = getattr(self, prefix+name, None)
        if callable(method):
            return method(*args)
    def start(self, name):
        self.callback('start_', name)
    def end(self, name):
        self.callback('end_', name)
    def sub(self, name):
        def substitution(match):
            result = self.callback('sub_', name, match)
            if result is None: match.group(0)
            return result
        return substitution
class HTMLRenderer(Handler):

    def start_document(self):
        print '<html><head><title>...</title></head><body>'
    def end_document(self):
        print '</body></html>'
    def start_paragraph(self):
        print '<p>'
    def end_paragraph(self):
        print '</p>'
    def start_heading(self):
        print '<h2>'
    def end_heading(self):
        print '</h2>'
    def start_list(self):
        print '<ul>'
    def end_list(self):
        print '</ul>'
    def start_listitem(self):
        print '<li>'
    def end_listitem(self):
        print '</li>'
    def start_title(self):
        print '<h1>'
    def end_title(self):
        print '</h1>'
    def sub_emphasis(self, match):
        return '<em>%s</em>' %match.group(1)
    def sub_url(self, match):
        return '<a href="%s">%s</a>' % (match.group(1), match.group(1))
    def sub_mail(self, match):
        return '<a href="mailto:%s">%s</a>' % (match.group(1), match.group(1))
    def feed(self, data):
        print data

规则(rules.py)：

class Rule:
    """

    """
    def action(self, block, handler):
        handler.start(self.type)
        handler.feed(block)
        handler.end(self.type)
        return True

class HeadingRule(Rule):
    """

    """
    type = 'heading'
    def condition(self, block):
        return not '\n' in block and len(block) <= 70 and not block[-1] == ':'

class TitleRule(HeadingRule):
    """

    """
    type = 'title'
    first = True

    def condition(self, block):
        if not self.first: return False
        self.first = False
        return HeadingRule.condition(self, block)

class ListItemRule(Rule):
    """
  
    """
    type = 'listitem'
    def condition(self, block):
        return block[0] == '-'
    def action(self, block, handler):
        handler.start(self.type)
        handler.feed(block[1:].strip())
        handler.end(self.type)
        return True

class ListRule(ListItemRule):
    """
    
    """
    type = 'list'
    inside = False
    def condition(self, block):
        return True
    def action(self, block, handler):
        if not self.inside and ListItemRule.condition(self, block):
            handler.start(self.type)
            self.inside = True
        elif self.inside and not ListItemRule.condition(self, block):
            handler.end(self.type)
            self.inside = False
        return False

class ParagraphRule(Rule):
    """

    """
    type = 'paragraph'
    def condition(self, block):
        return True

主程序(markup.py)：

import sys, re
from handlers import *
from util import *
from rules import *

class Parser:

    def __init__(self, handler):
        self.handler = handler
        self.rules = []
        self.filters = []

    def addRule(self, rule):
        self.rules.append(rule)
    def addFilter(self, pattern, name):
        def filter(block, handler):
            return re.sub(pattern, handler.sub(name), block)
        self.filters.append(filter)
    def parse(self, file):
        self.handler.start('document')
        for block in blocks(file):
            for filter in self.filters:
                block = filter(block, self.handler)
            for rule in self.rules:
                if rule.condition(block):
                    last = rule.action(block, self.handler)
                    if last: break
        self.handler.end('document')

class BasicTextParser(Parser):
    """
    
    """
    def __init__(self, handler):
        Parser.__init__(self, handler)
        self.addRule(ListRule())
        self.addRule(ListItemRule())
        self.addRule(TitleRule())
        self.addRule(HeadingRule())
        self.addRule(ParagraphRule())

        self.addFilter(r'\*(.+?)\*', 'emphasis')
        self.addFilter(r'(http://[\.a-zA-Z/]+)', 'url')
        self.addFilter(r'([\.a-zA-Z]+@[\.a-zA-Z]+)', 'mail')

handler = HTMLRenderer()
parser = BasicTextParser(handler)

parser.parse(sys.stdin)

补充util.py

def lines(file):
    for line in file:yield line
    yield '\n'

def blocks(file):
    block = []
    for line in lines(file):
        if line.strip():
            block.append(line)
        elif block:
            yield ''.join(block).strip()
            block = []

运行结果：

被处理的文本：

处理后的结果为：

mi_rencontre

关注

3
点赞
踩
8

收藏

觉得还不错? 一键收藏
0
评论
Python项目之即时标记

这个项目是《Python基础教程》后面的项目之一。主要是应用Python出色的文本处理能力——使用正则表达式将纯文本文件改写成语言（如HTML）中的标记，要做的工作基本上是将各种文本元素分类，比如标题和被强调的文本，然后明确地标记它们。使用的方法：1.对文件进行读写，从标准注入读取(sys.stdin)，利用print输出等。2.对所输入的行进行迭代。3.使用了一些字符串方法。
复制链接

扫一扫

专栏目录