将xhtml转换回html [英] convert xhtml back to html
问题描述
我有很多需要提供给MS HTML Workshop的xhtml页面，以便
创建CHM文件。该应用程序真的很讨厌xhtml，所以我需要将
自结尾标签（例如< br />）转换为普通html（例如< br>）。
看起来很简单，但我遇到了一些麻烦。 regexps绊倒
因为我还要考虑''img''，'meta''，''link''标签，而不是
只是简单''br''和''hr''标签。好吧，也许有一个简单的方法用regexp来做
，但我的简单< img [^（/>）] + /不起作用。我不是一个足够的正则表达式专业人士来找出前瞻性的东西。
我不知道从哪里开始;我看了BeautifulSoup和
BeautifulStoneSoup，但我看不出如何修改实际标签。
谢谢，
--Tim Arnold
I''ve got lots of xhtml pages that need to be fed to MS HTML Workshop to
create CHM files. That application really hates xhtml, so I need to convert
self-ending tags (e.g. <br />) to plain html (e.g. <br>).
Seems simple enough, but I''m having some trouble with it. regexps trip up
because I also have to take into account ''img'', ''meta'', ''link'' tags, not
just the simple ''br'' and ''hr'' tags. Well, maybe there''s a simple way to do
that with regexps, but my simpleminded <img[^(/>)]+/doesn''t work. I''m not
enough of a regexp pro to figure out that lookahead stuff.
I''m not sure where to start now; I looked at BeautifulSoup and
BeautifulStoneSoup, but I can''t see how to modify the actual tag.
thanks,
--Tim Arnold
推荐答案
Tim Arnold写道：
Tim Arnold wrote:
我有很多需要提供给MS HTML Workshop的xhtml页面，以便
创建CHM文件。该应用程序真的很讨厌xhtml，所以我需要将
自结尾标签（例如< br />）转换为普通html（例如< br>）。
看起来很简单，但我遇到了一些麻烦。 regexps绊倒
因为我还要考虑''img''，'meta''，''link''标签，而不是
只是简单''br''和''hr''标签。好吧，也许有一个简单的方法用regexp来做
，但我的简单< img [^（/>）] + /不起作用。我不是一个足够的正则表达式专业人士来找出前瞻性的东西。
我不知道从哪里开始;我看了BeautifulSoup和
BeautifulStoneSoup，但我看不出如何修改实际标签。
谢谢，
--Tim Arnold
-
http://mail.python.org/mailman/listinfo/python-list
无论你是否能找到做你想要的应用程序，我不知道，但至少我可以这么说。
你不应该自己阅读和解析文本！ XHTML是有效的
XML，有很多方法可以用Python读取和解析XML。
（ElementTree是我使用的，但是存在其他选择。）一旦你使用
现有包将你的文件读入内部树形结构
表示，遍历树应该是一个相对容易的工作
发出你想要的标签和文字。
Gary Herron
Whether or not you can find an application that does what you want, I
don''t know, but at the very least I can say this much.
You should not be reading and parsing the text yourself! XHTML is valid
XML, and there a lots of ways to read and parse XML with Python.
(ElementTree is what I use, but other choices exist.) Once you use an
existing package to read your files into an internal tree structure
representation, it should be a relatively easy job to traverse the tree
to emit the tags and text you want.
Gary Herron
" Tim Arnold" < ti ******** @ sas.comwrites：
"Tim Arnold" <ti********@sas.comwrites:
我有很多需要输入MS的xhtml页面HTML Workshop以
创建CHM文件。该应用程序真的很讨厌xhtml，所以我需要将
自结尾标签（例如< br />）转换为普通html（例如< br>）。
看起来很简单，但我遇到了一些麻烦。 regexps绊倒
因为我还要考虑''img''，'meta''，''link''标签，而不是
只是简单''br''和''hr''标签。好吧，也许有一个简单的方法用regexp来做
，但我的简单< img [^（/>）] + /不起作用。我不是一个足够的正则表达式专业人士来找出前瞻性的东西。
I''ve got lots of xhtml pages that need to be fed to MS HTML Workshop to
create CHM files. That application really hates xhtml, so I need to convert
self-ending tags (e.g. <br />) to plain html (e.g. <br>).
Seems simple enough, but I''m having some trouble with it. regexps trip up
because I also have to take into account ''img'', ''meta'', ''link'' tags, not
just the simple ''br'' and ''hr'' tags. Well, maybe there''s a simple way to do
that with regexps, but my simpleminded <img[^(/>)]+/doesn''t work. I''m not
enough of a regexp pro to figure out that lookahead stuff.
我不确定这是否非常有用，但以下是关于
下面的一个非常简单的例子。
Hi, I''m not sure if this is very helpful but the following works on
the very simple example below.
>> import re
xhtml =''< p> hello< ; img src =" /img.png" / spam< br / bye< / p>''
xtag = re.compile（r''<（[^>] *？）/ >''）
xtag.sub（r''< \1>''，xhtml）
>>import re
xhtml = ''<p>hello <img src="/img.png"/spam <br/bye </p>''
xtag = re.compile(r''<([^>]*?)/>'')
xtag.sub(r''<\1>'', xhtml)
''< p> hello< img src =" /img.png" spam< brbye< / p>''
-
Arnaud
''<p>hello <img src="/img.png"spam <brbye </p>''
--
Arnaud
" Gary Herron" < gh ***** @ islandtraining.comwrote in message
news：ma ************************* ************* @ pyth on.org ...
"Gary Herron" <gh*****@islandtraining.comwrote in message
news:ma**************************************@pyth on.org...
Tim Arnold写道：
Tim Arnold wrote:
>我有很多需要提供给MS HTML Workshop的xhtml页面来创建CHM文件。该应用程序真的很讨厌xhtml，所以我需要将自结尾标签（例如< br />）转换为普通html（例如< br>）。
似乎很简单，但我遇到了一些麻烦。 regexps绊倒
因为我还必须考虑''img''，'meta''，''link''标签，而不仅仅是简单的''br''和'' hr''标签。好吧，也许有一种简单的方法可以用正则表达式做到这一点，但我的简单< img [^（/>）] + /不起作用。
我不是足够的正则表达式专业人士可以找出前瞻性的东西。
我不知道从哪里开始;我看了BeautifulSoup和
BeautifulStoneSoup，但我看不出如何修改实际的标签。
谢谢，
--Tim Arnold
-
http://mail.python.org / mailman / listinfo / python-list
无论你是否能找到满足你需求的应用程序，我都会支付
我不知道，但至少我可以这么说。
你不应该自己阅读和解析文本！ XHTML是有效的
XML，有很多方法可以用Python读取和解析XML。
（ElementTree是我使用的，但是存在其他选择。）一旦你使用
现有包将你的文件读入内部树形结构
表示，遍历树应该是一个相对容易的工作
发出你想要的标签和文字。
加里赫伦
Whether or not you can find an application that does what you want, I
don''t know, but at the very least I can say this much.
You should not be reading and parsing the text yourself! XHTML is valid
XML, and there a lots of ways to read and parse XML with Python.
(ElementTree is what I use, but other choices exist.) Once you use an
existing package to read your files into an internal tree structure
representation, it should be a relatively easy job to traverse the tree to
emit the tags and text you want.
Gary Herron
我同意，我真的不想解析我自己。但是，ET将清理文件，在我的情况下包含一些需要作为元数据的注释，所以
不能工作。哦，我可以让ET读它并编写一个新的解析器 - 我看到
你的意思。我想我需要继承，所以我也可以让ET来兑现这些
评论。
这是一种方法，我只是希望能有更轻松的事情。
谢谢，
--Tim
I agree and I''d really rather not parse it myself. However, ET will clean up
the file which in my case includes some comments required as metadata, so
that won''t work. Oh, I could get ET to read it and write a new parser--I see
what you mean. I think I need to subclass so I could get ET to honor those
comments too.
That''s one way to go, I was just hoping for something easier.
thanks,
--Tim
这篇关于将xhtml转换回html的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
