python练习一—文本转化渲染为html

想学习python已经很久了，以前使用ArcGIS的时候学习过一些简单的python语法，用来进行一些简单的GIS数据处理，但是后来并没有用到工作中也就荒废了，后来断断续续看过一些，最近想学习一门新的语言，就拿python下手了，仔细考（拼）虑（凑）出以下理由（喜欢就是喜欢，不用理由）：

python强大库支持，在科学计算、人工智能等高精尖的领域使用甚广

在运维中也算是除shell外的第二语言吧

学习渗透测试的时候很多poc都是使用python写的，为了不仅仅停留在使用工具上，进一步学习

在web中python也是快速开发的利器

本次学习主要是《python基础教程》第二版，简单回顾了前面几章基础知识后，开始拿后面的练习来学习，虽然代码大部分是直接参考书中源码，但是“纸上得来终觉浅，绝知此事要躬行”可不是废话，学习这件事不动手就是耍流氓，在自己动手编写书中例子的时候对python的语法和思想理解逐渐加深。先来一发

为了避免直接上代码略显突兀，显写出这个练习项目的思路：

先撇开具体实现，想想如果要实现将文本转化位html的做法：

文本一定时满足一定规则的

读取文本内容

根据预定义的规则分析读入的文本内容

符合某一种规则的文本加上对应的html标签

继续读入文本，回到2继续处理

再回来书中的项目，本项目共包含四个模块

util.py：负责对文本进行一定的格式化，并读取文本

rule.py：定义什么样的文本可以转化为什么样的html，两件事儿：
定义文本和html对应的规则

决定规则对应的处理程序（handler）

handler.py：将给定规则的文本转换为html

parse.py：调用util.py读取文本，调用rule.py判断文本对应的规则，调用handler处理给定规则的文本

这样子基本脉络已经清晰了，看代码

util.py

# -*- coding=utf-8
import re, sys
from util import *
from handler import *
from rule import *
import ipdb

class Parser:
'''
解析器，利用rule对文本进行解析并转换为html，利用filter转换块内文本
'''

def __init__(self, handler):
self.handler = handler
self.rules = []
self.filters = []
def addRule(self, rule):
self.rules.append(rule)
def addFilter(self, pattern, name):
def filter(block, handler):
return re.sub(pattern, handler.sub(name), block)
self.filters.append(filter)
def parse(self, file):
#pdb.set_trace()
self.handler.start('document')
for block in blocks(file):
ipdb.set_trace()
for filter in self.filters:
block = filter(block, self.handler)
for rule in self.rules:
if rule.condition(block):
last = rule.action(block, self.handler)
if last:
break
self.handler.end('document')

class BasicTextParser(Parser):
'''
基本文本解析器，只有h1,h2,p,ul,li,a,em,email
'''

def __init__(self, handler):
Parser.__init__(self, handler)
self.addRule(ListRule())
self.addRule(ListItemRule())
self.addRule(TitleRule())
self.addRule(HeadRule())
self.addRule(ParagraphRule())

self.addFilter(r'\*(.+?)\*', 'em')
self.addFilter(r'(http://[\.a-zA-Z]+)', 'url')
self.addFilter(r'([\.a-zA-Z]+@[\.a-zA-Z]+[[a-zA-Z]+)', 'email')

handler = HTMLRender()
parser = BasicTextParser(handler)
parser.parse(sys.stdin)

View Code
第一次练习就遇到这个项目显得略大，不过搞清楚思路之后整体把我就没问题了，在练习的过程中还遇到一些问题、学到一些东西，总结如下：

子类调用父类的方法（包括__init__）

父类名.方法名(self, 参数)
A类调用B类方法
b = B()
b.方法(参数)

re模块的sub方法

re.sub(regex_str, replace_str, str)
将str中符合正则表达式regex_str的子串用replace_str代替
如果replace_str是正则表达式，可以使用分组替换，例如
re.sub(r'\*(.+)\*', r'---\1---', "asdasdasd*nskjdfnkjdsnf*sdfsdf")
re.sub(r'\*(.+)\*',lambda m: "---" + m.group(1) + "---" ,"asdasdasd*nskjdfnkjdsnf*sdfsdf")

其实作者里面有两个思想让我触动很深，甚是佩服：

一个模块做最少的事，制作自己必须做的事

事件的路由分发（借由python发挥的淋漓尽致）

这两种思想让项目整体架构变的很清晰，对扩展也很友好，大写的赞！

这个练习已经写完几天了，今天补上记录一下，代码位置

http://pan.baidu.com/s/1o7JVKKU