python - 使用 Python ElementTree 减少 html 标题

Question

是否有一种递归方法可以使用 Python ElementTree 来减少 HTLM 树中的所有标题级别？在下面的示例中，h1 将变为 h2，其他标题也是如此。

#! /usr/bin/env python
import html5lib
import xml.etree.ElementTree as ET

headings = '''<h1>Title</h1>
<h2>Sub Title</h2>
<h3>Sub sub title 1</h3>
<h3>Sub sub title 2</h3>
<h4>Sub sub sub title<h4>
<h3>Sub sub title</h3>
'''
tree = html5lib.parse(headings, namespaceHTMLElements=False)

Answer 1

这是一个工作示例，但使用了很棒的 BeautifulSoup图书馆:

import re
from bs4 import BeautifulSoup

headings = '''<h1>Title</h1>
<h2>Sub Title</h2>
<h3>Sub sub title 1</h3>
<h3>Sub sub title 2</h3>
<h4>Sub sub sub title</h4>
<h3>Sub sub title</h3>
'''

soup = BeautifulSoup(headings, "html.parser")
pattern = re.compile(r"^h(\d)$")
for tag in soup.find_all(pattern):
    tag.name = "h%d" % (int(pattern.match(tag.name).group(1)) + 1)

print(soup)

我们正在查找标签名称与 ^h(\d)$ 模式匹配的所有元素(h 后跟一个数字；^ 表示字符串的开头，$ - 结尾)。然后，我们提取数字并将其加一并更新标签名称。

打印:

<h2>Title</h2>
<h3>Sub Title</h3>
<h4>Sub sub title 1</h4>
<h4>Sub sub title 2</h4>
<h5>Sub sub sub title</h5>
<h4>Sub sub title</h4>