Удаление содержимого html по маркеру в тегах на языке python

Задача

Оставить в строке, содержащей html код, всё кроме содержимого тегов (и самих тегов) помеченных определенным маркером ("ignoremarker").

Решение

Воспользуемся функционалом python класса HTMLParser и реализуем функцию, принимающую на вход строку с html кодом и маркер, а на выходе формирующую требуемый html код. Работаем в предположении, что html код на входе - валидный html.

view plainprint?

1. from HTMLParser import HTMLParser  
2.   
3. def strip(str, ignoremarker):  
4.     class StrippingParser(HTMLParser):  
5.         def __init__(self, ignoremarker):  
6.             HTMLParser.__init__(self)  
7.             self.stack = []  
8.             self.openignores = []  
9.             self.ignoremarker = ignoremarker  
10.           
11.         def handle_data(self, data):  
12.             if not len(self.openignores):  
13.                 self.stack.append(data)  
14.       
15.         def handle_starttag(self, tag, attrs):  
16.             if len(self.openignores):  
17.                 if self.ignoremarker in dict(attrs):  
18.                     self.openignores.append(tag)  
19.             elif not (self.ignoremarker in dict(attrs)):  
20.                 self.stack.append('<%s%s>' % (tag, self.__html_attrs(attrs)))  
21.             else:  
22.                 self.openignores.append(tag)  
23.   
24.         def handle_startend_tag(self, tag, attrs):  
25.             if not len(self.openignores) and \  
26.                not (self.ignoremarker in dict(attrs)):  
27.                 self.stack.append('<%s%s/>' % (tag, self.__html_attrs(attrs)))  
28.           
29.         def handle_endtag(self, tag):  
30.             if not len(self.openignores):  
31.                 self.stack.append('' % (tag))  
32.             elif tag in self.openignores:  
33.                 self.openignores.pop()  
34.       
35.         def __html_attrs(self, attrs):  
36.             _attrs = ''  
37.             if attrs:  
38.                 _attrs = ' %s' % (' '.join([('%s="%s"' % (k,v)) for k,v in attrs.iteritems()]))  
39.             return _attrs  
40.       
41.     stripparser = StrippingParser(ignoremarker)  
42.     stripparser.feed(str)  
43.     stripparser.close()  
44.     return ''.join(stripparser.stack)  

from HTMLParser import HTMLParser

def strip(str, ignoremarker):
    class StrippingParser(HTMLParser):
        def __init__(self, ignoremarker):
            HTMLParser.__init__(self)
            self.stack = []
            self.openignores = []
            self.ignoremarker = ignoremarker
        
        def handle_data(self, data):
            if not len(self.openignores):
                self.stack.append(data)
    
        def handle_starttag(self, tag, attrs):
            if len(self.openignores):
                if self.ignoremarker in dict(attrs):
                    self.openignores.append(tag)
            elif not (self.ignoremarker in dict(attrs)):
                self.stack.append('<%s%s>' % (tag, self.__html_attrs(attrs)))
            else:
                self.openignores.append(tag)

        def handle_startend_tag(self, tag, attrs):
            if not len(self.openignores) and \
               not (self.ignoremarker in dict(attrs)):
                self.stack.append('<%s%s/>' % (tag, self.__html_attrs(attrs)))
        
        def handle_endtag(self, tag):
            if not len(self.openignores):
                self.stack.append('' % (tag))
            elif tag in self.openignores:
                self.openignores.pop()
    
        def __html_attrs(self, attrs):
            _attrs = ''
            if attrs:
                _attrs = ' %s' % (' '.join([('%s="%s"' % (k,v)) for k,v in attrs.iteritems()]))
            return _attrs
    
    stripparser = StrippingParser(ignoremarker)
    stripparser.feed(str)
    stripparser.close()
    return ''.join(stripparser.stack)

Пример использования

view plainprint?

1. teststr = """ 
2.  
3. Hello  
4.  
5. <div ignoremarker="">,<span ignoremarker="">burn in hell</span> </div>and be happy! 
6.  
7. """  
8.   
9. print strip(teststr, "ignoremarker")  

teststr = """

Hello 

,burn in hell 
and be happy!

"""

print strip(teststr, "ignoremarker")

Hello and be happy

Ссылки

• Часть функционала была взята здесь.