Dialectizer 是 BaseHTMLProcessor 的一个简单（而且有点傻）的子类。它通过一系列替换来处理文本块，但它确保 <pre>...</pre> 块内的任何内容都保持不变。
为了处理 <pre> 块，您需要在 Dialectizer 中定义两个方法：start_pre 和 end_pre。
示例 8.17. 处理特定标签
def start_pre(self, attrs):self.verbatim += 1
self.unknown_starttag("pre", attrs)
def end_pre(self):
self.unknown_endtag("pre")
self.verbatim -= 1
|
|
每当 SGMLParser 在 HTML 源代码中找到 <pre> 标签时，就会调用 start_pre。（稍后您将看到这是如何发生的。）该方法接受一个参数，attrs，它包含标签的属性（如果有）。attrs 是一个键/值元组列表，就像 unknown_starttag 接受的那样。 |
|
|
在 reset 方法中，您初始化了一个数据属性，作为 <pre> 标签的计数器。每次遇到 <pre> 标签时，您就增加计数器；每次遇到 </pre> 标签时，您就减少计数器。（您可以将其用作标志，并将其设置为 1 并将其重置为 0，但这样做同样简单，并且可以处理嵌套 <pre> 标签的奇怪（但可能）情况。）稍后，您将看到如何有效地使用此计数器。 |
|
|
就是这样，这就是您对 <pre> 标签所做的唯一特殊处理。现在，您将属性列表传递给 unknown_starttag，以便它可以执行默认处理。 |
|
|
每当 SGMLParser 找到 </pre> 标签时，就会调用 end_pre。由于结束标签不能包含属性，因此该方法不带任何参数。 |
|
|
首先，您要像处理任何其他结束标签一样执行默认处理。 |
|
其次，您减少计数器以表示此 <pre> 块已关闭。 |
在这一点上，值得进一步探讨一下 SGMLParser。我一直声称（到目前为止，您一直对此深信不疑），SGMLParser 会为每个标签查找并调用特定的方法（如果存在）。例如，您刚刚看到了用于处理 <pre> 和 </pre> 的 start_pre 和 end_pre 的定义。但这是如何实现的呢？嗯，这不是魔术，只是优秀的 Python 编码。
示例 8.18. SGMLParser
def finish_starttag(self, tag, attrs):def handle_starttag(self, tag, method, attrs): method(attrs)
|
|
此时，SGMLParser 已经找到了一个开始标签并解析了属性列表。剩下要做的唯一事情是确定是否有针对此标签的特定处理程序方法，或者您是否应该回退到默认方法 (unknown_starttag)。 |
|
|
SGMLParser 的“魔力”不过是您的老朋友，getattr。您以前可能没有意识到的是，getattr 将在对象的子类以及对象本身中查找定义的方法。这里的对象是 self，即当前实例。因此，如果 tag 是 'pre'，则对 getattr 的此调用将在当前实例（它是 Dialectizer 类的一个实例）上查找 start_pre 方法。 |
|
|
如果在对象（或其任何子类）中找不到它要查找的方法，getattr 会引发 AttributeError，但这没关系，因为您将对 getattr 的调用包装在 try...except 块中并显式捕获了 AttributeError。 |
|
|
由于您没有找到 start_xxx 方法，因此在放弃之前，您还将查找 do_xxx 方法。这种备用命名方案通常用于独立标签，例如 <br>，它们没有相应的结束标签。但是您可以使用任何一种命名方案；如您所见，SGMLParser 会为每个标签尝试这两种方案。（您不应该为同一个标签同时定义 start_xxx 和 do_xxx 处理程序方法；否则只会调用 start_xxx 方法。） |
|
|
另一个 AttributeError，这意味着对 getattr 的调用失败，并带有 do_xxx。由于您既没有找到针对此标签的 start_xxx 方法，也没有找到 do_xxx 方法，因此您捕获异常并回退到默认方法 unknown_starttag。 |
|
|
请记住，try...except 块可以有一个 else 子句，如果在 try...except 块期间 没有引发异常，则会调用该子句。从逻辑上讲，这意味着您 确实 为此标签找到了一个 do_xxx 方法，因此您将调用它。 |
|
|
顺便说一句，不要担心这些不同的返回值；从理论上讲，它们是有意义的，但实际上从未使用过。也不必担心 self.stack.append(tag)；SGMLParser 在内部跟踪您的开始标签是否与相应的结束标签平衡，但它也不会对这些信息做任何处理。从理论上讲，您可以使用此模块来验证您的标签是否完全平衡，但这可能不值得，而且超出了本章的范围。您现在有更重要的事情要担心。 |
|
start_xxx 和 do_xxx 方法不会被直接调用；标签、方法和属性会被传递给这个函数 handle_starttag，以便子类可以覆盖它并改变 所有 开始标签的分派方式。您不需要这种级别的控制，因此您只需让此方法执行其操作，即使用属性列表调用方法（start_xxx 或 do_xxx）。请记住，method 是一个函数，从 getattr 返回，而函数是对象。（我知道您已经厌倦了听到这句话，我保证一旦我找不到利用它的方法，我就会停止说这句话。）在这里，函数对象作为参数传递给这个分派方法，而这个方法反过来又调用该函数。此时，您不需要知道该函数是什么，它的名称是什么，或者它是在哪里定义的；您唯一需要知道的关于该函数的信息是，它是用一个参数 attrs 调用的。 |
现在回到我们定期安排的程序：Dialectizer。当您离开时，您正在为 <pre> 和 </pre> 标签定义特定的处理程序方法。只剩下最后一件事要做，那就是使用预定义的替换来处理文本块。为此，您需要覆盖 handle_data 方法。
示例 8.19. 覆盖 handle_data 方法
def handle_data(self, text):
|
|
调用 handle_data 时只有一个参数，即要处理的文本。 |
|
|
在祖先类 BaseHTMLProcessor 中，handle_data 方法只是将文本追加到输出缓冲区 self.pieces 中。这里的逻辑只稍微复杂一点。如果您正在处理 <pre>...</pre> 块，则 self.verbatim 将是大于 0 的某个值，并且您希望将文本原封不动地放入输出缓冲区中。否则，您将调用一个单独的方法来处理替换，然后将结果放入输出缓冲区中。在 Python 中，这可以使用 and-or 技巧 一行完成。 |
您快要完全理解 Dialectizer 了。唯一缺少的环节是文本替换本身的性质。如果您了解任何 Perl，您就会知道，当需要进行复杂的文本替换时，唯一真正的解决方案是正则表达式。dialect.py 中后面的类定义了一系列对 HTML 标签之间的文本进行操作的正则表达式。但是您刚刚学习了 整整一章关于正则表达式的知识。您真的不想再费力地学习正则表达式了吧？天知道我不想。我认为您在本章已经学到了足够多的东西。