python - 如何将 docutils 文档树转换为 HTML 字符串？

Question

我正在尝试使用 docutils 包将 ReST 转换为 HTML。 This answer简洁地使用 docutils publish_* 便利函数一步完成。我想要转换的 ReST 文档有多个部分，我想在生成的 HTML 中将它们分开。因此，我想分解这个过程:

1. 将 ReST 解析为节点树。
2. 适本地分隔节点。
3. 将我想要的节点转换成 HTML。

这是我正在努力的第三步。以下是我执行第一步和第二步的方法:

from docutils import utils
from docutils.frontend import OptionParser
from docutils.parsers.rst import Parser

# preamble
rst = '*NB:* just an example.'   # will actually have many sections
path = 'some.url.com'
settings = OptionParser(components=(Parser,)).get_default_values()

# step 1
document = utils.new_document(path, settings)
Parser().parse(rst, document)

# step 2
for node in document:
   do_something_with(node)

# step 3: Help!
for node in filtered(document):
   print(convert_to_html(node))

我找到了 HTMLTranslator 类和 Publisher 类。它们看起来很相关，但我正在努力寻找好的文档。我应该如何实现 convert_to_html 功能？

Answer 1

我的问题是我试图在太低的级别上使用 docutils 包。他们为这类事情提供了一个接口(interface):

from docutils.core import publish_doctree, publish_from_doctree

rst = '*NB:* just an example.'

# step 1
tree = publish_doctree(rst)

# step 2
# do something with the tree

# step 3
html = publish_from_doctree(tree, writer_name='html').decode()
print(html)

第一步现在简单多了。也就是说，我对结果还是有点不满意；我意识到我真正想要的是一个 publish_node 函数。如果您知道更好的方法，请发布。

我还应该指出，我还没有设法让它与 Python 3 一起工作。

真正的教训

我实际上想做的是从文档树中提取所有侧边栏元素，以便可以将它们与文章的主体分开处理。这不是 docutils 旨在解决的那种用例。因此没有 publish_node 函数。

一旦我意识到这一点，正确的方法就足够简单了:

1. 使用 docutils 生成 HTML。
2. 使用 BeautifulSoup 提取侧边栏元素。

这是完成工作的代码:

from docutils.core import publish_parts
from bs4 import BeautifulSoup

rst = get_rst_string_from_somewhere()

# get just the body of an HTML document 
html = publish_parts(rst, writer_name='html')['html_body']
soup = BeautifulSoup(html, 'html.parser')

# docutils wraps the body in a div with the .document class
# we can just dispose of that div altogether
wrapper = soup.select('.document')[0]
wrapper.unwrap()

# knowing that docutils gives all sidebar elements the
# .sidebar class makes extracting those elements easy
sidebar = ''.join(tag.extract().prettify() for tag in soup.select('.sidebar'))

# leaving the non-sidebar elements as the document body
body = soup.prettify()