《 span lang="EN-US" style="font-size: 16pt;"》天空《/span 》《 p class="MsoNormal" style="text-indent:28.0pt;mso-char-indent-count:2.0;line-height:20.0pt;mso-line-height-rule:exactly"》
我想把类似上面这样的 html 代码(为了方便发布,我把尖括号换成了《》)精简下,精简成下面这样:
《 span 》天空《/span 》《 p style="text-indent:28.0pt;line-height:20.0pt;"》
能看出,我把《 span 》中的 lang 和字号属性删掉了,把《 p 》中 style 属性里的首行缩进和行高留了下来,删除了其他的。 我想知道除了 BS4,其他还有能处理我这个需求的库吗? BS4 能处理 lang、class 这样的属性,但是 style 里面的属性没法处理。
1
7sDream 2017-05-29 15:07:50 +08:00
BS 可以获取到 inline style 的,用 element['style'] 就行,不过如果如果你是要把 style 当作一个 dict 这种来处理 BS 好像确实没有自带。
不过你可以把 style string 喂给一个 CSS parser,然后按要求处理完再写回去,这样应该可以吧。 Python 的 CSS parser 应该有很多吧…… |
2
KgM4gLtF0shViDH3 2017-05-29 15:32:20 +08:00
pyquery
|
3
lxml 2017-05-29 15:39:04 +08:00
只针对这个例子,我同意一楼的,我印象中似乎找不到能单独处理某个属性中的某个子属性,把 style 拎出来,按照";"分割成 dict,自己写个函数再拼装回去,text-indent line-heigh,不是很优雅,但好像没有什么更好的解决方案的,我已知的库最小处理单元就是属性本身了。
|
4
dsg001 2017-05-29 15:48:25 +08:00
lxml,w3lib 这两个可以处理一部分,style 需要自己写处理器
|
5
omg21 OP |
7
anuan 2017-05-29 19:16:11 +08:00
不太理解这个需求 如果只是几个标签的解个 css 需要保留 其他的属性都删除 直接用正则比较好
|
8
mseasons 2017-05-30 01:01:08 +08:00
lxml?
|
9
justtery 2017-05-30 09:48:32 +08:00 via Android
pyquery 滑稽
|
10
omg21 OP @anuan 最麻烦的地方在 style 里,比如有一些表格的 style 里会有表格线是需要保留的,但同时还有一些像字体字号之类的需要删除的。用正则不太好做。
|