将HTML列表（<li>）转换为制表符（即缩进）

Question

曾使用过几十种语言，但对Python不熟悉。在

我在这里的第一个（也许是第二个）问题，所以请温柔。。。在

试图有效地将类似HTML的标记文本转换为wiki格式（特别是将linuxtomboy/GNote notes转换为Zim）却陷入了转换列表的困境。在

对于像这样的两级无序列表。。。在

• 第一级
  • 第二层次

假小子/侏儒用的是。。。在

<list><list-item>First level<list><list-item>Second level</list-item></list></list-item></list>

然而，Zim个人维基希望这是。。。在

* First level
  * Second level

。。。带前导标签。在

我已经研究了regex模块函数re.sub公司(), 重新匹配(), 搜索（），等等，并且发现了Python很酷的能力，可以将重复的文本编码为。。。在

^{pr2}$

因此，看起来应该有一种方法来做像。。。在

 newnote = re.sub("<list>", LEVEL * "\t", oldnote)

其中LEVEL是注释中<list>的序数（发生次数）。因此，它将是0对于第一个<list>，对于第二个1，等等

然后，每次遇到</list>时，级别都会降低。在

<list-item>标记被转换为项目符号的星号（前面适当加上换行符），并删除</list-item>标记。在

最后。。。问题是。。。在

• 如何获得LEVEL的值并将其用作制表符乘数？在

Answer 1

您确实应该使用xml解析器来完成此操作，但要回答您的问题：

import re

def next_tag(s, tag):
    i = -1
    while True:
        try:
            i = s.index(tag, i+1)
        except ValueError:
            return
        yield i

a = "<list><list-item>First level<list><list-item>Second level</list-item></list></list-item></list>"

a = a.replace("<list-item>", "* ")

for LEVEL, ind in enumerate(next_tag(a, "<list>")):
    a = re.sub("<list>", "\n" + LEVEL * "\t", a, 1)

a = a.replace("</list-item>", "")
a = a.replace("</list>", "")

print a

这对您的示例有效，仅适用于您的示例。使用XML解析器。您可以使用xml.dom.minidom（它包含在Python中（至少2.7），无需下载任何内容）：

^{pr2}$

输出：

* First level
    * Second level
    * Second level 2
        * Third level

Answer 2

使用Beautifulsoup，它允许您迭代标记，即使它们是自定义的。做这种手术很实用

from BeautifulSoup import BeautifulSoup
tags = "<list><list-item>First level<list><list-item>Second level</list-item></list></list-item></list>"
soup = BeautifulSoup(tags)
print [[ item.text for item in list_tag('list-item')]  for list_tag in soup('list')]

Output : [[u'First level'], [u'Second level']]

我使用了嵌套列表理解，但您可以使用嵌套for循环

^{pr2}$

我希望这对你有帮助。在

在我的示例中，我使用了beautifulsoup3，但该示例应该与BeautifulSoup4一起工作，但仅限于导入更改。在

from bs4 import BeautifulSoup