问题如下: 从对象数据库转储了一些基本的HTML自动生成文件。这是基于表格的信息。文件的结构对于每一代都是一样的,通常是一致的内容。 我必须进一步处理这个文件,做一些评论等,因此我希望编辑一下这个HTML文件,让我们说添加额外的表格单元格与可写文本字段添加文件中的备注,也许最后一个按钮来生成一些额外的输出。现在的问题:使用Python解析和编辑HTML文件
我选择编写Python脚本来处理文件中的这种变化。这是一个正确的选择,还是你可以提出更好的建议?
现在我处理的是如下:
1)制作的基本文件workcopy
2)打开workcopy如在Python I/O的字符串:
content = content_file.read()
3 )通过html.parser对象运行:
ModifyHtmlParser.feed(content)
4)使用HTM的重载基类方法大号解析器我在寻找的标签有趣的部分:
def handle_starttag(self, tag, attrs):
#print("Encountered a start tag:", tag)
if tag == "tr":
print("Table row start!")
offset = self.getpos()
tagText = self.get_starttag_text()
结果我越来越投入,标志标签的不可变的子集,现在我感觉像我在死胡同也得走。 ..关于如何重新工作我的想法的任何想法?这种特殊的library可能有用吗?
2015-06-27
Tomas