Python Regex – определение первого и последнего элементов в списке

Или используйте BeautifulSoup

http://www.crummy.com/software/BeautifulSoup/bs4/doc/

редактировать

Я, видимо, должен дать вам некоторый намек на то, как читать документацию.

• Открыть ссылку
• Слева находится большое меню (цвет тика)
• Если вы внимательно посмотрите, вы заметите, что документация разделена на несколько разделов
  • Stuffs
  • Навигация в дереве
  • Поиск дерева
  • Изменение дерева (получено)
  • Выход (получил!)

И многое другое

Beautiful Soup – это библиотека Python для вытаскивания данных из HTML и XML-файлов. Он работает с вашим любимым парсером, чтобы обеспечить идиоматические способы навигации, поиска и изменения дерева синтаксического анализа. Обычно это экономит время или время работы программистов .

Не прекращайте чтение после первого предложения … Последнее очень важно и что посередине.

Другими словами, вы можете создать пустой документ … пусть говорят:

 soup = BeautifulSoup("<div></div>") document = soup.div 

то вы читаете каждую строку текста, а затем делаете это, когда у вас есть текст.

 document.append(line) 

если строка начинается с `*` `

 ul = document.new_tag('ul') document.append(ul) document = ul 

затем нажмите все li на документе … и как только вы закончите чтение * , просто введите родителя, чтобы документ вернулся к div. И продолжайте делать это … вы можете даже сделать это рекурсивно, чтобы вставить ul в ul s.

Когда вы все разобрали … вы можете сделать

 str(document) 

или

 document.prettify() 

редактировать

просто понял, что вы не редактировали html, а неформатированный текст. Тогда вы можете попробовать использовать markdown.

http://daringfireball.net/projects/markdown/

Вы можете просто обрабатывать данные по строкам. Это быстрое и грязное решение ниже, вероятно, можно было бы убрать, но для ваших данных это делает трюк.

 with open('data.txt') as inf: star_count = 0 for line in inf: line = line.strip() if not line.startswith('*'): if star_count == 1: print'</ul>' print line else: if star_count == 0: print '<ul>' star_count = 1 print ' <li>%s</li>' %line.split('*')[1].strip() 

выходы:

 some text in the document <ul> <li>item 1</li> <li>item 2</li> <li>item 3</li> </ul> some other text 

В зависимости от того, насколько сложны ваши данные или если у вас повторяются неупомянутые списки и т. Д., Это потребует внесения изменений, и вы можете захотеть найти более общее решение или изменить этот код стартера, чтобы удовлетворить ваши потребности, только вы можете решить.

Обновление :

Отредактированная строка <li> .. </li> чтобы избавиться от * которые были ранее оставлены.

После игры с некоторыми идеями, я решил пойти со вторым регулярным выражением. Итак, в основном, после запуска первого регулярного выражения (из моего исходного сообщения, который создает теги <li> ), я запускаю:

 r = re.compile(r'(<li>.*?</li>\n(?!\s*<li>))', re.DOTALL) r.sub('<ul>\\1</ul>', string_with_li_tags) 

Это найдет первое совпадение <li> и последнее совпадение </li>\n комбо, за которым следует тэг <li> (который по существу означает весь список) и добавляет теги <ul> .

EDIT: я немного изменил регулярное выражение, чтобы оно не было жадным. Таким образом, он может обрабатывать несколько списков в одном документе. Только требование состоит в том, что между элементами списка нет пробелов, так как @Aprillion, упомянутый ниже

РЕДАКТИРОВАТЬ 2: Изменен негативный просмотр для обработки пробелов между элементами списка, так что все случаи охвачены