Python 对flatpage内容执行文本处理，包括处理自定义标记

我在我的项目中使用flatpages应用程序来管理一些html内容。该内容将包括图像，因此我制作了一个

ContentImage

模型，允许用户使用管理面板上传图像。 然后，用户应该能够将这些图像包含在flatpages的内容中。他当然可以通过在

标记中手动键入图像url来实现这一点，但这不是我想要的

为了使包含图像更方便，我考虑这样做：

import re
from django.utils.translation import ugettext as _

def process_image_tags(text, ImageModel):
    '''image tag usage:
        ... some text ... [img=image_name:image_class(optional)] ... some text ...
    '''
    t1 = re.split(r'(\[img=[a-z0-9\-_\:]+\])', text)
    t2 = []
    for i in t1:
        if i[:5] == '[img=':
            attrs = i[5:-1].split(':')
            name_attr = attrs[0] #name attribute
            error = None
            try:
                image = ImageModel.objects.get(name=name_attr)
            except ImageModel.DoesNotExist:
                error = '<span class="image_tag_error">%s</span>' % _('Image with given name not found')
            except ImageModel.MultipleObjectsReturned:
                error = '<span class="image_tag_error">%s</span>' % _('More than one image found')
            if not error:
                p = ['<img']
                p.append('src="%s"' % image.image.url) 
                if len(attrs) > 1:
                    p.append('class="%s"' % attrs[1]) #class attribute
                if image.description:
                    p.append('title="%s"' % image.description)
                p.append('alt="%s"' % image.name)
                p.append('/>')                   
                t2.append(' '.join(p))
            else:
                t2.append(error)
        else:
            t2.append(i)
    return ''.join(t2)

def save(self, *args, **kwargs):           
    self.content = process_image_tags(self.pre_content, ContentImage)        
    super(CustomFlatPage, self).save(*args, **kwargs)

• 用户编辑

  CustomFlatPage

  model的一个额外的，比如说

  pre\u内容

  字段（我已经在使用CustomFlatPage模型了）
• 他没有直接定义
  标记，而是使用一个自定义标记，类似于

  [img=…]

  ，其中

  ..

  是

  ContentImage

  实例的名称
• 现在最难的部分是：在保存

  CustomFlatPage

  之前，检查

  pre\u content

  字段中的所有

  [img=…]

  事件，并按如下方式处理：
• 如果存在具有给定名称的图像实例，则搜索

  ContentImage

  模型，如果存在，则用适当的
  标记替换

  [img=…]

• flatpage实际

  内容

  用已处理的

  预处理内容

  填充，然后保存flatpage（

  预处理内容

  保留不变，由用户编辑）

我不能处理的部分是文本处理。我应该使用正则表达式吗？显然，对于大的字符串，它们的速度可能会很慢。 如何组织逻辑？我认为这是一个相当复杂的算法问题，但我对Python中的文本处理还不够熟悉，不能自己做

---

有人能给我一些线索吗？

我终于用正则表达式实现了这个。我决定，自定义标记中不允许有空格。主文本处理函数如下所示：

import re
from django.utils.translation import ugettext as _

def process_image_tags(text, ImageModel):
    '''image tag usage:
        ... some text ... [img=image_name:image_class(optional)] ... some text ...
    '''
    t1 = re.split(r'(\[img=[a-z0-9\-_\:]+\])', text)
    t2 = []
    for i in t1:
        if i[:5] == '[img=':
            attrs = i[5:-1].split(':')
            name_attr = attrs[0] #name attribute
            error = None
            try:
                image = ImageModel.objects.get(name=name_attr)
            except ImageModel.DoesNotExist:
                error = '<span class="image_tag_error">%s</span>' % _('Image with given name not found')
            except ImageModel.MultipleObjectsReturned:
                error = '<span class="image_tag_error">%s</span>' % _('More than one image found')
            if not error:
                p = ['<img']
                p.append('src="%s"' % image.image.url) 
                if len(attrs) > 1:
                    p.append('class="%s"' % attrs[1]) #class attribute
                if image.description:
                    p.append('title="%s"' % image.description)
                p.append('alt="%s"' % image.name)
                p.append('/>')                   
                t2.append(' '.join(p))
            else:
                t2.append(error)
        else:
            t2.append(i)
    return ''.join(t2)

def save(self, *args, **kwargs):           
    self.content = process_image_tags(self.pre_content, ContentImage)        
    super(CustomFlatPage, self).save(*args, **kwargs)

---

它似乎有效，所以我可能最终会使用该解决方案。也许我会添加一些javascript，让用户通过从生成的图像列表中选择图像来插入图像标记，但即使是现在，我认为这也比手动键入URL要好。

我喜欢这样。通常答案是：“不要使用正则表达式，使用html解析器”，但是自定义标记呢？我也想知道：

BeautifulSoup

是一个很棒的HTML解析库。如果你愿意查看来源，我相信这将是一个极好的资源。即使是在处理破损的html方面，它也是王者。不过，我开始认为正则表达式可能适合您的标记，因为它不涉及结束标记的复杂性，而是一些可能的变体

[img=]

[img=]

谢谢。我来看看这个

BeautilfulSoup

源代码。也许我可以从中借用一些想法。我注意到您没有添加

alt

属性。您也可以使用

image.name

@JordanReiter是的，为什么不呢，谢谢：-）。我只是把它添加到代码中。