Question

通过URL重新映射，我的意思是在实际的HTML文档中更改所有“href”和“src”以及“action”和...

是否有任何python库可以执行此类URL重映射？

在python web服务器应用程序（基于龙卷风）上，我希望能够根据某些条件修改我服务器的HTML代码。

想象一下，我从磁盘上读取了这个HTML，但是我需要替换所有的链接和...指向这个子域/域和路径或那个。

让我们说我不想使用模板来重写我在磁盘上的所有HTML（将标签放入内部并在运行时替换标签）也为了简单起见想象我没有外部链接（比如我）永远不会链接到google.com [需要条件重新映射]）。

Answer 1

据我所知，没有这样的库，但你可以使用一些html解析库，如lxml或BeautifulSoup以及urlparse标准Python moule。我更喜欢使用lxml和XPath。

例如，我们已将StackOverflow页面保存为doc.html，我们希望对包含href，src，actions的节点执行某些操作：

import urlparse

import lxml.html


with open('doc.htm') as f:
    doc = lxml.html.parse(f)

for el in doc.xpath('//*[@href | @src | @action]'):
    tag = el.tag
    href = el.get('href', '')
    if not href:
        continue

    # not really need to check for '/' when using urljoin, but this is just example
    if href.startswith('/'): 
        el.attrib['href'] = urlparse.urljoin('http://stackoverflow.com/', href)

# then get string representation of tree back
result = lxml.html.tostring(doc)

在这个例子中，我只是使用href将以'/'开头的相对urlparse.urljoin转换为绝对，而不是使用来自XPath结果的所有元素。但您可以根据自己的需要进行自定义。

内部HTML，python中的URL重映射库

1 个答案: