即时标记简单解决

来源：互联网发布：ubuntu文字识别软件编辑：程序博客网时间：2024/05/16 02:57

问题描述：

问题来源与《Python基础教程》第二十个章节

假设你从一个不想写HTML代码的人那里得到了一个文件，希望将它作为一个网页来使用，你本身也不想自己手的那个的为文档添加所需要的全部标签，而是想要让程序自动完成。程序所要做的工作就是就是将各种文本元素分类，比如标题和被强调的文本，然后明确的标记他们。

完成的目标：

输入不应该包含人工代码或者标签。

程序能够处理不同的块（block），比如标题、段落、列表项、内嵌文本（比如被强调的文本和URL）

如果处理的不仅仅HTML，能够扩展到其他的标记语言就更好了。

初次实现

首先要做的是把文本切成段落，在测试文档中，段落与段落之间用空格格开了。所以找到一个段落的简单方法就是收集遇到的所有的行，直到遇到一个空行，然后返回已经收集的行。那些返回的行就是一个段落。之后，在开始收集，不需要收集空行，也不要返回空段落（在遇到多个空行时）。同时，要群豹文件的最后一行是空行，否则，程序就不知道什么时候结束。

文本生成器，代码如下（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 = []

实现简单的标记：

打印一些开始标记；

打印每个用段落标签括起来的块；

点一些结束标记；

对于第一个段落，用(h1)括起来，区分标题与段落，代码（simple_makeup.py）实现如下：

import sys, refrom util import *print('<html><head><title>...</title><body>') title = Truefor block in blocks(open(r'D:\Python27\test_input.txt')):    block = re.sub(r'\*(.+?)\*',r'<em>\1</em>',block)    if title:        print('<h1>')        print block        print('</h1>')        title = False    else:        print('<p>')        print block        print('</p>')print('</body></html>')

实现结果简单的区分了标题和段落：

0 0