Генерация оглавления из HTML с Python - PullRequest
Новая
       12

Генерация оглавления из HTML с Python

5 голосов
/ 25 марта 2010

Я пытаюсь сгенерировать оглавление из блока HTML (не полный файл - просто содержимое) на основе его тегов <h2> и <h3>.

До сих пор я планировал:

  • Извлечь список заголовков, используя beautifulsoup

  • Использование регулярного выражения в содержимом для размещения якорных ссылок перед / внутри тегов заголовка (чтобы пользователь мог щелкнуть по оглавлению) - возможно, существует метод замены внутри beautifulsoup?

  • Вывести вложенный список ссылок на заголовки в предопределенном месте.

Звучит так просто, когда я так говорю, но в тылу это немного болит.

Есть ли что-то, что делает все это для меня за один раз, чтобы я не тратил пару часов на повторное изобретение колеса?

Пример: 

<p>This is an introduction</p>

<h2>This is a sub-header</h2>
<p>...</p>

<h3>This is a sub-sub-header</h3>
<p>...</p>

<h2>This is a sub-header</h2>
<p>...</p>

Ответы [ 4 ]

2 голосов
/ 25 марта 2010

Некоторые быстро взломали некрасивый кусок кода: 

soup = BeautifulSoup(html)

toc = []
header_id = 1
current_list = toc
previous_tag = None

for header in soup.findAll(['h2', 'h3']):
    header['id'] = header_id

    if previous_tag == 'h2' and header.name == 'h3':
        current_list = []
    elif previous_tag == 'h3' and header.name == 'h2':
        toc.append(current_list)
        current_list = toc

    current_list.append((header_id, header.string))

    header_id += 1
    previous_tag = header.name

if current_list != toc:
    toc.append(current_list)


def list_to_html(lst):
    result = ["<ul>"]
    for item in lst:
        if isinstance(item, list):
            result.append(list_to_html(item))
        else:
            result.append('<li><a href="#%s">%s</a></li>' % item)
    result.append("</ul>")
    return "\n".join(result)

# Table of contents
print list_to_html(toc)

# Modified HTML
print soup
1 голос
/ 25 марта 2010

Использование lxml.html.

0 голосов
/ 30 июля 2018

Я пришел с расширенной версией решения, предложенного Лукашем. 

def list_to_html(lst):
    result = ["<ul>"]
    for item in lst:
        if isinstance(item, list):
            result.append(list_to_html(item))
        else:
            result.append('<li><a href="#{}">{}</a></li>'.format(item[0], item[1]))
    result.append("</ul>")
    return "\n".join(result)

soup = BeautifulSoup(article, 'html5lib')

toc = []
h2_prev = 0
h3_prev = 0
h4_prev = 0
h5_prev = 0

for header in soup.findAll(['h2', 'h3', 'h4', 'h5', 'h6']):
    data = [(slugify(header.string), header.string)]

    if header.name == "h2":
        toc.append(data)
        h3_prev = 0
        h4_prev = 0
        h5_prev = 0
        h2_prev = len(toc) - 1
    elif header.name == "h3":
        toc[int(h2_prev)].append(data)
        h3_prev = len(toc[int(h2_prev)]) - 1
    elif header.name == "h4":
        toc[int(h2_prev)][int(h3_prev)].append(data)
        h4_prev = len(toc[int(h2_prev)][int(h3_prev)]) - 1
    elif header.name == "h5":
        toc[int(h2_prev)][int(h3_prev)][int(h4_prev)].append(data)
        h5_prev = len(toc[int(h2_prev)][int(h3_prev)][int(h4_prev)]) - 1
    elif header.name == "h6":
        toc[int(h2_prev)][int(h3_prev)][int(h4_prev)][int(h5_prev)].append(data)

toc_html = list_to_html(toc)
0 голосов
/ 25 марта 2010

Как создать оглавление для текста HTML в Python?

Но я думаю, что вы на правильном пути, и изобретать колесо будет весело.

...