python输入输出表达式字符串题目_Python（1）---字符串处理实战

1 问题由来

前几天将个人简书的markdown文章直接copy到然后发布到个人博客上发现以下两大格式问题。

1.1 图片布局

简书的markdown文章中的图片不用做其他设置都是默认居中，而在个人博客中却默认左对齐，具体效果如下图。对于有轻微强迫症的笔者决定将所有图片修改为居中对齐，搜索了一下，只需在markdown文件中的图片引用前后加上*** HTML

*** 标签即可实现居中。

个人博客默认不居中效果

简书默认居中效果

图片居中效果实现：

-----空行----


-----空行----

1.2 标题导航

在简书中需手动设定目录，如1、1.1、1.1.1等，在个人博客中，由于使用hexo主题，其默认目录如下图：

个人博客默认目录

所以并不需要手动添加1、1.1、1.1.1等标志，只需要用md语法写完之后其会自动识别，假如还手动添加则如“1. 从Google网页排序到PageRank算法”会变成“1. 1 从Google网页排序到PageRank算法”。

1.3 文章题目

在简书markdown文件头部插入如下三行以设置文章题目。

---

title:fileName

---

那么问题就来了，每篇文章中引用的图片肯定不止一张，标题肯定不止一个，手动修改肯定很耗时的，考虑到后续的文章大部分都会在简书和个人博客中同步更新，所以决定偷懒利用Python字符串处理的相关知识写个小小的Python程序实现此格式转换功能。

2 方案步骤

导入：设置文件所在路径，导入md文件并将其转换为字符串列表；

处理：插入文章题目；循环获取图片引用所在列表位置索引，利用索引插入相应居中标签；正则格式化标题，将如“## 1.1.1”转换为“## ”；

导出：设置文件导出路径将其导出为md文件。

3 Python脚本

3.1 知识应用

3.1.1 Python文件处理(如导入导出)

3.1.2 Python正则表达式

字符

点("*** . *** ")：匹配任意除换行符"\n"外的字符，如a.b可以匹配出abc、adc等。

数量词

星号(" *** * *** ")：匹配前一个字符0次或无限次；

加号(" ** + ** ")：匹配前一个字符1次或无限次；

问号(" ** ? ** ")：匹配前一个字符0次或1次。

逻辑

中括号(" ** [] ** ")：字符集，如[0-9]，只要满足0-9数字都会被匹配出来；

括号(" ** () ** ")：被括起来的表达式作为分组，如(abc){2}则会匹配两个分组的字符abc，即"abcabc"；

或(" ** | ** ")：左右表达式任意匹配一个，优先匹配左边表达式，一旦左边被匹配成功则直接跳过右边。

3.2 Python实现

#######################################

####实现简书md和个人博客md的格式问题####

#######################################

#######################################

################使用说明################

##参数设置：文件导入路径、文件导出路径##

#######################################

import re

def getContent(input_path):

'''

功能：导入markdown文件

@input_path：md文件所在路径

'''

content = []

for line in open(input_path,'rb'):#二进制读入

content.append(line.decode())

return content

def formatCon(content,input_path):

'''

功能：统一markdown文件格式

@content：文章内容列表

@input_path：md文件所在路径

'''

#定义全局变量

global reple

#(1)插入标题

content.insert(0,"---")

content.insert(1,"title:"+(input_path.split('/'))[-1][0:-3]) #从文件路径提取文件名

content.insert(2,"---")

#(2)设置目录格式

img_pat = '!['

img_index = [] #获取图片所在位置索引

for i in range(len(content)):

con = content[i]

tmp1 = re.findall('^\#+',con.rstrip()) #匹配模式“一个或者无数个#号开头”

if len(tmp1)!=0:

reple = tmp1[0] +' '

content[i] = re.sub('\#+\s[0-9]\.?[0-9]?\.?[0-9]?\s+',tmp2,con.rstrip()) #匹配模式“一个或者无数个#号+空格+标题数字+空格”

if img_pat in con:

img_index.append(i)

#(3)设置图片居中

count = 0

for idx in img_index:

if (content[idx+count-1].strip())!="":#假如有空行则不插入空行

content.insert(idx+count,"")

count += 1

content.insert(idx+count,"

")#设置div使图片居中

count += 1

content.insert(idx+count+1,"

")

count += 1

if (content[idx+count+1].strip())!="":#假如有空行则不插入空行

content.insert(idx+count+1,"")

count += 1

return content

def writeCon(format_con,output_path):

'''

功能：导出markdown文件

@format_con：已格式化的文章内容列表

@output_path：md文件导出路径

'''

fh = open(output_path,'wb')

try:

for i in range(len(format_con)):

data = format_con[i]

if "\r\n" in data:

data = data

else:

data = data+"\r\n"

data = data.encode()

#print(data)

fh.write(data)

except Exception as er:

print('写入文件时出现错误')

print(er)

finally:

fh.close()

def main(input_path,output_path):

'''

功能：主函数，函数调用接口

'''

content = getContent(input_path)#获取文本

format_con = formatCon(content,input_path)#格式化文本

writeCon(format_con,output_path)#输出格式化文本

if __name__ == '__main__':

#1、输入文件路径

input_path = "C:/Users/whenif/Desktop/ggtest.md"

#2、输出文件路径

output_path = "C:/Users/whenif/Desktop/ggtestnew.md"

main(input_path,output_path)

本文所有代码只用于技术交流，拒绝任何商用活动

后续的学习细节将会记录在个人博客DebugNLP中，欢迎各路同学互相交流