python - 如何将普通引号转换为 Guillemets(法语引号)，标签除外

Question

假设我们有以下文本:

<a href="link">some link</a> How to transform "ordinary quotes" to «Guillemets»

需要的是将其转化为

<a href="link">some link</a> How to transform «ordinary quotes» to «Guillemets»

使用正则表达式和 Python。

我试过了

import re

content = '<a href="link">some link</a> How to transform "ordinary quotes" to «Guillemets»'

res = re.sub('(?:"([^>]*)")(?!>)', '«\g<1>»', content)

print(res)

但是，正如@Wiktor Stribiżew 所注意到的，如果一个或多个标签具有多个属性，这将不起作用，所以

<a href="link" target="_blank">some link</a> How to transform "ordinary quotes" to «Guillemets»

将转化为

<a href=«link" target=»_blank">some link</a> How to transform «ordinary quotes» to «Guillemets»

更新

请注意文字

• 可以是html，即:

<div><a href="link" target="_blank">some link</a> How to transform "ordinary quotes" to «Guillemets»</div>

• 不能是html，即:

How to transform "ordinary quotes" to «Guillemets»

• 不能是html，但可以包含一些html标签，即

<a href="link" target="_blank">some link</a> How to transform "ordinary quotes" to «Guillemets»

Answer 1

手上拿着锤子，什么都像钉子。您不必使用正则表达式。一个简单的状态机就可以了(假设 <> 里面的任何东西都是一个 HTML 标签)。

# pos - current position in a string
# q1,q2 - opening and closing quotes position
s = ' How to transform "ordinary quotes" to «Guillemets» and " more <div><a href="link" target="_blank">some "bad" link</a>'
sl = list(s)
q1, q2 = 0, 0
pos = 0
while 1:
    tag_open = s.find('<', pos)
    q1 = s.find('"', pos)
    if q1 < 0:
        break   # no more quotation marks
    elif tag_open >= 0 and q1 > tag_open:
        pos = s.find('>', tag_open)     # tag close
    elif (tag_open >= 0 and q1 < tag_open) or tag_open < 0:
        q2 = s.find('"', q1 + 1)
        if q2 > 0 and (tag_open < 0 or q2 < tag_open):
            sl[q1] = '«'
            sl[q2] = '»'
            s = ''.join(sl)
            pos = q2
        else:
            pos = q1 + 1
print(s)

解释:

 Scan your string, 
   If not inside tag, 
       find first and second quotation marks,
       replace accordingly, 
       continue scanning from the second quotation marks 
   Else
       continue to end of tag