复制代码 代码如下:

coding=utf-8

from BeautifulSoup import BeautifulSoup, Tag, NavigableString
from SentenceSpliter import SentenceSpliter
from os.path import basename,dirname,isdir,isfile
from os import makedirs
from shutil import copyfile
import io
import time
import re

class build_tpl:
def init(self,parse_file,build_tpl_name,cp_pic_dir,show_pic_dir,js_path,set_lang=2052):
'''参数说明：解析文件名，模版名称，保存图片路径，图片显示路径，js路径，当前语言（分句使用）'''

    #取得解析文件目录路径   
    if len(dirname(parse_file))>1:   
        self.cur_dir = dirname(parse_file)+"/";   
    else:   
        self.cur_dir ="./";   

    #建立的模版文件文件名   
    self.build_tpl_name = build_tpl_name;   
    #图片cp到得目录   
    self.cp_pic_dir = cp_pic_dir;   
    #通过http展现图片的目录   
    self.show_pic_dir = show_pic_dir;   
    #加载js的路径   
    self.js_path = js_path;   

    #句段组   
    self.get_text_arr = [];   
    #当前图片名数组   
    self.cur_pic_arr = [];   

    #解析文件 取得soup 资源   
    self.soup = self.get_soup(parse_file);   
    #取得html文档中，段文档   
    self.get_text_arr = self.soup.body.findAll(text=lambda(x): len(x.strip()) > 0);   
    #取得句对   
    self.get_sentence_arr = self.parse_text(self.get_text_arr,set_lang);   
    #取得替换数组   
    self.replace_list = self.get_replace_list(self.get_text_arr,set_lang);   
    #取得图片数组   
    self.cur_pic_arr = self.soup.findAll('img');   

    #self.write_file_by_list("no.txt",self.get_text_arr);   
    #self.write_file_by_list("yes.txt",self.get_sentence_arr);   

#保存词组到文件   
def save_data_file(self):   
    file_name = self.build_tpl_name+".data";   
    self.write_file_by_list(file_name,self.get_data());   
#取得词组   
def get_data(self):   
    return self.get_sentence_arr;   
#数组写入到文档   
def write_file_by_list(self,file_name,write_arr):   
    file=io.FileIO(file_name,"w");   
    file.write(('\n'.join(write_arr)).encode('utf-8'));   
    file.close();   
#字符串写入到文档   
def write_file(self,file_name,file_contents):   
    file=io.FileIO(file_name,"w");   
    file.write(file_contents.encode('utf-8'));   
    file.close();   
#建立图片hash目录   
def get_pic_hash(self):   
    return time.strftime("%Y/%m/%d/");   
#建立模版文件   
def builder(self):   
    #没能发生替换的单词   
    bug_msg = [];   
    #进行内容模版替换   
    for i in range(len(self.get_text_arr)):   
        #替换   
        rep_str = "$rep_arr[{0}]".format(i);   
        try:   
            self.soup.body.find(text=self.get_text_arr[i]).replaceWith(self.replace_list[i]);   
        except AttributeError:   
            bug_msg.append(self.get_text_arr[i]);   

    #取得图片hash路径   
    hash_dir = self.get_pic_hash();   
    #构造展示图片路径   
    show_pic_dir = self.show_pic_dir+hash_dir;   
    #构造图片保存路径   
    cp_pic_dir = self.cp_pic_dir+hash_dir;   

    #判断保存图片的目录是否存在 不存在建立   
    if not isdir(cp_pic_dir):   
        makedirs(cp_pic_dir);   

    for pic_name in self.cur_pic_arr:   
        #进行图片路径替换   
        old_pic_src = pic_name['src'];   
        pic_name['src'] = show_pic_dir+old_pic_src;   
        #进行图片拷贝   
        cp_src_file = self.cur_dir+old_pic_src;   
        cp_dis_file = cp_pic_dir+old_pic_src;   
        copyfile(cp_src_file,cp_dis_file);   

    #建立bug信息的文档   
    #self.write_file_by_list("bug.txt",bug_msg);   

    #添加js   
    tag = Tag(self.soup,"script");   
    tag['type'] = "text/javascript";   
    tag['src'] =self.js_path+"jquery.js";   

    tag2 = Tag(self.soup,"script");   
    tag2['type'] = "text/javascript";   
    tag2['src'] =self.js_path+"init.js";   

    self.soup.head.insert(2,tag2);   
    self.soup.head.insert(2,tag);   


    #建立模版   
    self.write_file(self.build_tpl_name,self.soup);   
#取得替换的html文件       
def get_replace_html(self,rep_id,rep_data=""):   
    '''   
    参数说明：替换id，替换内容（为空的采用模版模式替换）   
    '''   
    if len(rep_data) > 0 :   
        rep_str = rep_data;   
    else:   
        rep_str = "$rep_arr[{0}]".format(rep_id);   
    return "<span sty=\"data\" id=\"rep_"+str(rep_id)+"\">"+rep_str+"</span>";   
#取得替换数组   
def get_replace_list(self,text_arr,set_lang):   
    Sp = SentenceSpliter();   
    Sp.SetLang(set_lang);   
    temp_sentence = [];   
    jump_i = 0;   
    for text in text_arr:   
        SList = Sp.Split(text);   
        replace_temp = "";   
        if SList != None:   
            for item in SList:   
                replace_temp = replace_temp+self.get_replace_html(jump_i,item);   
                jump_i=jump_i+1;   
        else:   
            replace_temp = self.get_replace_html(jump_i,text);   
            jump_i=jump_i+1;   
        temp_sentence.append(replace_temp);   
    return temp_sentence;   
#分句   
def parse_text(self,text_arr,set_lang):   
    Sp = SentenceSpliter();   
    Sp.SetLang(set_lang);   
    temp_sentence = [];   
    for text in text_arr:   
        SList = Sp.Split(text);   
        if SList != None:   
            for item in SList:   
                temp_sentence.append(item);   
        else:   
            temp_sentence.append(text);   

    return temp_sentence;   

#取得解析资源   
def get_soup(self,parse_file):   
    try:   
        file=io.FileIO(parse_file,"r");   
        doc = file.readall();   
        file.close();   
    except IOError:   
        print 'ERROR: %s file not found!' %parse_file;   
        return False;   
    #开始解析html文档   
    return BeautifulSoup(''.join(doc));   

if name == "main":
from sys import argv, exit;

if len(argv) < 3:   
    print "USAGE: python %s <input-file> <output-file>" % argv[0]   
    exit(255);   

if not isfile(argv[1]):   
    print "no such input file: %s" % argv[1]   
    exit(1)   


paser_file = argv[1];#"html/testpic.html";   
tpl_file = argv[2];   
save_pic_path = argv[3];   
show_pic_path = argv[4];   
load_js_path = argv[5];   
#解析开始 设置解析文件，模版名，图片保存路径，图片显示路径   
so = build_tpl(paser_file,tpl_file,save_pic_path,show_pic_path,load_js_path);   
#建立模版   
so.builder();   
#保存分句的句对   
so.save_data_file();