使用 Python 计算 div 元素内的文本位置到 HTML 中的相应位置

Question

我需要找到一种方法来计算位于 div 元素中的文本的位置（即字符位置的索引）到 HTML 代码的相应位置。这是必要的，因为我必须能够在该位置插入一个元素而不会丢失格式。

例如，我有以下内容：

HTML

<p>Lorem <strong>ipsum</strong>dolor sit...</p>

解释为：

文字

Lorem ipsum dolor sit...

现在我想在 Text 内的特定位置插入一个字符串元素：

Lorem ipsum d<insertion>olor sit...

这是在字符串索引处：13

关于插入的位置在我的HTML中应该是32，因为有HTML-Tags：<p>，<strong>，</strong>也必须计算在内在 HTML 中找到正确的位置。

我只有这些信息：

• 文本作为字符串（即没有任何标签）
• HTML 格式的文本
• 必须放置插入的文本字符串的索引（在我的示例中为13）

解决方案应该在Python 中。我玩过BeautifulSoap 模块，但没有找到在元素内的特定索引处插入文本的方法。

希望有人可以帮助我。非常感谢！

Answer 1

正如我从您的问题中得到的那样，您想在 HTML 代码中插入一些您知道明文索引的字母后面的内容。如果是这样的话，我认为最简单的解决方案是忽略所有 html 标签，只计算它们之外的字母。 你可以这样做：

def insertInHtml(string, insstr, position):
    ctr=0
    insidetag=False
    for ci in range(len(string)):
        if string[ci]=='<':
            insidetag=True
        elif string[ci]=='>':
            insidetag=False
        else:
            if not insidetag: ctr+=1
        if ctr==position+1:
            HTMLIndex=ci
            break
    return string[0:HTMLIndex] + insstr + string[HTMLIndex:]

该函数计算作为“字符串”参数传递给函数的 HTML 字符串中不在 HTML 标记内的字符数。当您点击作为“位置”参数传递给函数的数字时，计数循环将中断，函数将在您指定的位置拆分字母后面的字符串。然后它将在这些部分之间插入 insstr 字符串并返回新字符串。如果提供的索引大于文本的长度，它将引发错误。

编辑： 正如 J. F. Sebastian 所指出的，如果 html 有 cmets（以

def insertInHtml(string, insstr, position):
    ctr=0
    insidetag=False
    insideattr=False
    for ci in range(len(string)):
        suchar=''
        if not ci==len(string)-1: suchar=string[ci+1]
        if string[ci]=='<' and not insideattr:
            insidetag=True
        elif (string[ci]=='>' and not insideattr) or (string[ci]=='-' and string[ci-2:ci]=='!-'):
            insidetag=False
        elif insidetag and string[ci]+suchar=='="':
            insideattr=True
        elif insideattr and string[ci]=='"':
            insideattr=False
        else:
            if not insidetag: ctr+=1
        if ctr==position+1:
            HTMLIndex=ci
            break
    return string[0:HTMLIndex] + insstr + string[HTMLIndex:]

代码不是很干净，但应该足够理解。