使用Python标记树处理器包装etree元素

我正在尝试编写一个Python标记树处理器扩展，它将

span

标记封装在

div

标记中；所以如果我有（降价）-

如果我用索引值

0运行它，我会得到以下结果-

from markdown.extensions import Extension

from markdown.treeprocessors import Treeprocessor

import markdown

class MyTreeProcessor(Treeprocessor):

    def run(self, doc):
        def iterate(parent):
            print ("%s %s :: %s" % (parent.tag, parent.attrib, parent.text))
            for child in parent.getchildren():
                iterate(child)
        iterate(doc)

class MyTreeExtension(Extension):

    def extendMarkdown(self,
                       md,
                       key="my_extension",
                       index=1e8):
        md.registerExtension(self)
        md.treeprocessors.register(MyTreeProcessor(md.parser),
                                   key, index)

if __name__=="__main__":
    md=markdown.Markdown(extensions=[MyTreeExtension()])
    md.convert("before <span>hello world</span> after")

div {} :: None
p {} :: before <span>hello world</span> after

div {} :: 

p {} :: before wzxhzdk:0hello worldwzxhzdk:1 after

这两个都不是我想要的-在第一种情况下，
span
没有被处理，在第二种情况下，它以某种奇怪的格式被处理：-/

查找markdown扩展文档对于看似简单的任务来说非常复杂-有人能确认我在这里使用Treeprocessor（或没有）是正确的树吗？如果是这样，我在无法将这个
span
解析为
etree.Element
时做错了什么

TIA
您可能不想在这里使用树处理器，因为您正在处理原始HTML

Python Markdown通过将标记转换为
etree
对象来解析标记。但是，它不解析HTML（至少不完全解析），并且
etree
对象不能保存原始HTML字符串。当然，它们可以保存它们，但是当
etree
对象呈现为HTML字符串时，它们将被转义。因此，原始HTML被标识并替换为占位符（
wzxhzdk:0
）。将
etree
对象呈现为HTML字符串后，后处理器将查找所有占位符，并将它们替换为原始HTML，原始HTML是使用占位符作为键存储的

两个索引之间行为不同的原因是，其中一个在运行inlinepatterns之前运行（第一个treeprocessor实际上是所有inlinepatterns的包装器），另一个在之后运行，但在占位符被交换回之前。当然，由于占位符被后处理器交换回，您无法从TreeProcessor访问该状态

总之：

块级原始HTML由预处理器处理，并且永远无法从treeprocessor获得
内联原始HTML由内联模式处理，因此内联原始HTML将在
inlineProcessor
treeprocessor运行之前不被处理，但在运行之后treeprocessor将不可用
一个可能的解决方案是使用inlinepattern。但是，您需要自己解析HTML标记

此外，所需的输出不是有效的HTML。请注意，hello world之后的
将被包装在
标记中，并且
标记不能包含任何其他块级元素，包括
标记。当然，没有什么强迫您不将
标记包装在
标记中，但是浏览器永远不会以这种方式解释HTML。根据HTML规范，块级标记会自动关闭
标记。因此，浏览器（可能）会这样解释您的输出：

之前
之后的hello world


请注意，
之后没有
包装
。是的，结束标记将出现，但如果没有开始标记（紧接着结束
，浏览器将不知道它是否启动，并且您将得到一个空的
窗口结束标记的位置

现在，如果您对所有这些都满意，那么为什么不在降价中首先使用
。或者
和
只是问题中实际标记的占位符？如果是这样，它们是内联的还是块级的可能会改变答案。
好奇为什么您使用
1e8
的优先级？如果我不是mistaken，这等于
100000000.0
。然而，只有两个内置的树处理器，优先级分别为
10
和
20
。你可以轻松地使用高于
20
的任何数字。不需要使用1000亿。这是一个非常好的答案，谢谢。我只是使用
和
作为代理事实上，我正在尝试修复Twitter嵌入的边缘，它使用
啊，这更有意义。注意
是一个块级标记，所以只要它本身在一行上，它的行为就不同于
标记。
div {} :: None
p {} :: before <span>hello world</span> after

div {} :: 

p {} :: before wzxhzdk:0hello worldwzxhzdk:1 after