ただいまpythonを勉強中なのですが、HTMLの文書を読み込み、ある特定の文字列が出現したらそれを違う文字列に変換することは可能でしょうか。例えば以下のようなHTMLがあったとします。文書のタイトル文書の本体ここで文書の本体を読み込んだら「文書の本体」を「文書のフォント」「文書のカラー」「文書の本体」と以下のように三行にわたって修正することはできるでしょうか。文書のタイトル文書のフォント文書のカラー文書の本体

pythonでHTMLの修正

解決済

質問者：dfadsfadad
質問日時：2009/11/03 15:22
回答数：1件

ただいまpythonを勉強中なのですが、HTMLの文書を読み込み、
ある特定の文字列が出現したらそれを違う文字列に変換することは可能でしょうか。
例えば以下のようなHTMLがあったとします。

<html>
<head>
<title>文書のタイトル</title>
</head>
<body>
文書の本体
</body>
</html>

ここで文書の本体を読み込んだら
「文書の本体」を
「文書のフォント」
「文書のカラー」　
「文書の本体」と以下のように三行にわたって修正することはできるでしょうか。

<html>
<head>
<title>文書のタイトル</title>
</head>
<body>
文書のフォント
文書のカラー　
文書の本体
</body>
</html>

通報する

この質問への回答は締め切られました。

質問の本文を隠す

回答 (1件)

ベストアンサー優先
最新から表示
回答順に表示

No.1ベストアンサー

回答者： beefisdead
回答日時：2009/11/04 00:23

もちろん出来ます。

「正規表現」を使うのが一般的です。Pythonで言えばreモジュールを利用します。
http://www.python.jp/doc/2.5/lib/module-re.html
正規表現自体は文字列のマッチングを行う（ために利用されている）もので、それに付随して置換などの機能も利用することが出来ます。
置換後の文字列を複数行にすることは、プログラミング的には単数行のときとなにも変わりません。

ただ、正規表現はあくまで文字列のマッチングを行うものです。
たとえばHTMLタグが正しく閉じられているかどうかをチェックするなどと言ったことまでは手が出ません。
ちょっと扱えるようになると万能に思える正規表現ですが、結構落とし穴も多いですので、多用は自重ください。

正規表現自体に興味が出たら、ぜひこの本をどうぞ。
http://www.oreilly.co.jp/books/9784873113593/