使用 Python ElementTree 减少 html 标题答案

【问题标题】：decrease html headings using Python ElementTree使用 Python ElementTree 减少 html 标题
【发布时间】：2016-03-14 14:16:26
【问题描述】：

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

#! /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)

【问题讨论】：

标签： python html xml elementtree

【解决方案1】：

这是一个工作示例，但使用了很棒的 BeautifulSoup 库：

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>

【讨论】：

感谢@alecxe。我试图避免使用外部库，例如 lxml 的美丽汤。但是，您的回答使我想到了如何使用 Etree 来做到这一点。我将在新答案中举个例子

【解决方案2】：

element.tag=newtag 可以解决问题。所需要做的就是为标题添加一个值。

#! /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>
<p>paragrap</p>
'''

tree = html5lib.parse(headings, namespaceHTMLElements=False)
headings = [el for el in tree.findall('.//') if el.tag in ["h1","h2", "h3", "h4","h5","h6"]]

for h in headings:
    newtag =  h.tag[0]+ str(int(h.tag[-1])+1)
    h.tag=newtag

print ET.tostring(headings)

【讨论】：