Python: получить позицию открывающего/закрывающего тегов в HTML файле?

Question

[deleted-Alex222]

Есть html file, есть позиция каретки NLine:NCol, каретка попадает внутрь html тега, например это <table .............>.
Как получить границы открывающего тега "table" и границы закрывающего тега "/table" (позиции от уг. скобки до уг. скобки)?

Учтем, что внутри тега может быть много вложенных таких же-- простой поиск по регулярке не пойдет.

Какой либой это сделать в Питон 3, и с примером, пож-та.

Answer 1

[Владлен Грачев]

Я правильно понимаю, что курсор оказывается между открывающей и закрывающей скобкой тега? Где-то внутри <table>, например, а не внутри <table> </table>? Тогда позиция границ открывающего элемента находится просто, с помощью find() — для правой границы и rfind() — для левой.

Закрывающий тег искать сложнее. Можно использовать идею балансирования с помощью стека. Идете после открывающего тега вперед. Если встречаете открывающий тег <table>, добавляете его в стек. Если встречаете закрывающий тег </table>, удаляете один table из стека. Остальные теги (не table) в таком случае можно игнорировать. Как только встретится закрывающий тег </table> при пустом стеке (извлечь из стека нечего), значит это искомый закрывающий тег, а не вложенный.

Конкретная реализация остается за вами.

Comments

[deleted-Alex222]

да, каретка внутри тега между скобок угловых. Нет идея вручную парсить мне не нравится. Мне нужно исп-вать стандартные или другие МОДУЛИ питона- вот есть html.parser-- как?

[Владлен Грачев]

Alex222, я же сказал, что детали реализации остаются за вами. Что бы ни использовалось, все равно придется руками делать часть работы. И либо вы меняете требования к выходным данным, подгоняя их под возможности существующих решений, либо решаете свою задачу любым возможным путем.

Хотите использовать HTMLparser — открывайте документацию и читайте, что он может. Там же и примеры есть. На основании этого делайте вывод о том, насколько он подходит для решения конкретной задачи.

А за готовым решением — на фриланс-биржи.

[deleted-Alex222]

Нет, это не ответ. потому что как подсчитывать теги я и сам знаю. Мне именно детали, вы их не знаете

[deleted-Alex222]

Кстати, html.parser это не умеет, кажется.

[Владлен Грачев]

Alex222, вы путаете незнание и отсутствие цели для непосредственного решения задачи. HTML-парсеры вам отдадут измененную структуру, в которой вы потеряете положение курсора. И придется городить уйму костылей, ибо задача слишком специфичная для них. Если требуется именно положение границ, то лучшее решение, чем банальный проход курсором (один проход), придумать будет затруднительно. В итоге у вас должна получиться реализация конечного автомата, для создания которой даже не обязательно знать, что это конечный автомат. Набор структур данных минимальный: входная строка, позиция курсора, список строк для балансировки тегов (описывал в ответе) и список символов (строка), в который будет заноситься текущий тег для его сравнения с искомым.

Хотите программировать, учитесь мыслить алгоритмически и программировать, а не исключительно готовые кубики LEGO собирать. Решение задачи я вам уже расписал. Подробнее — только готовый код.

[deleted-Alex222]

>>HTML-парсеры вам отдадут измененную структуру, в которой вы потеряете положение курсора.
Во 1-х, я ничего не путаю, во 2х, спасибо за подсказку, и правда, html parser теряет положение каретки, хотя не совсем, что-то есть но НЕ ВСЕ, для скобок позиции нету, для тега есть.

можно не разжевывать.