Das deutsche Python-Forum

Code: Alles auswählen

text = """Als Blindtext wird Text bezeichnet,
den man bei der Gestaltung von
Publikationen verwendet, wenn der eigentliche
Text noch nicht vorliegt."""

lexicon_data = {
    "Blindtext" : "1",
    "der Gestaltung": "2",
    "der": "3",
}

def insert_links(text, lexicon_data):
    keys = lexicon_data.keys()
    keys.sort(cmp=lambda x, y: cmp(len(y), len(x)))
    for key in keys:
        if key in text:
            text = text.replace(key, '<a href="%s">%s</a>' % (lexicon_data[key], key))
    return text


print insert_links(text, lexicon_data)

Code: Alles auswählen

Als <a href="1">Blindtext</a> wird Text bezeichnet,
den man bei <a href="2"><a href="3">der</a> Gestaltung</a> von
Publikationen verwendet, wenn <a href="3">der</a> eigentliche
Text noch nicht vorliegt.

Code: Alles auswählen

Als <a href="1">Blindtext</a> wird Text bezeichnet,
den man bei <a href="2">der Gestaltung</a> von
Publikationen verwendet, wenn <a href="3">der</a> eigentliche
Text noch nicht vorliegt.

Code: Alles auswählen

PLACEHOLDER = "<%s>"

def insert_links(text, lexicon_data):
    keys = lexicon_data.keys()
    keys.sort(cmp=lambda x, y: cmp(len(y), len(x)))
    temp = []

    for key in keys:
        if key in text:
            id = len(temp)
            text = text.replace(key, PLACEHOLDER % id)
            temp.append(key)

    for id, key in enumerate(temp):
        lexicon_data[key]
        text = text.replace(
            PLACEHOLDER % id,
            '<a href="%s">%s</a>' % (lexicon_data[key], key)
        )

    return text

Code: Alles auswählen

import re

def insert_links(text, lexicon_data):
    keys = lexicon_data.keys()

    # Sort longest to shortest
    keys.sort(cmp=lambda x, y: cmp(len(y), len(x)))

    # match on all existing keys with ignorecase
    regex = re.compile("|".join(keys), re.IGNORECASE | re.UNICODE | re.MULTILINE)

    text = regex.sub(lexicon_data, text)

    return text

class LexiconData(dict):
    def __call__(self, matchobject):
        # "create link"
        word = matchobject.group(0)
        term = self[word.lower()]
        return term + word + term

lexicon_data = LexiconData({
    "blindtext" : "1",
    "der gestaltung": "2",
    "der": "3",
})

text = """ein BlindText wird dEr Gestaltung von DER eigentliche."""

print insert_links(text, lexicon_data)

Code: Alles auswählen

import re

html = '''foo <- should match
<a href="Foo Bar"><strong>Foo Bar</strong> Bar</a>
one Foo Bar two FOO three BaR four
Here not: Fooo or Xbar
This should match: foo. This too: foo, and this: bar:
and this: <strong>foo</strong>
should match -> bar'''

keys = ["foo bar", "foo", "bar"]

regex = re.compile("(?<=[\s\>])(%s)(?=[\s\<\.,:])" % "|".join(keys), re.IGNORECASE | re.UNICODE | re.MULTILINE)

def test(matchobject):
    return "*" + matchobject.group(0) + "*"

print regex.sub(test, html)

Code: Alles auswählen

foo <- should match
<a href="Foo Bar"><strong>*Foo Bar*</strong> *Bar*</a>
one *Foo Bar* two *FOO* three *BaR* four
Here not: Fooo or Xbar
This should match: *foo*. This too: *foo*, and this: *bar*:
and this: <strong>*foo*</strong>
should match -> bar

Code: Alles auswählen

text = '''foo <- should match 
<a href="Foo Bar" href="Foo Bar"><strong>Foo Bar</strong> Bar</a> 
one Foo Bar two FOO three BaR four 
Here not: Fooo or Xbar 
This should match: foo. This too: foo, and this: bar: 
and this: <strong>foo</strong> 
should match -> bar''' 

data = {"foo bar":'1', "foo":'2', "bar":'3'}

def repl(m):
    if m.groupdict().get('tag'):
        return m.group(0)
    matches = filter(lambda i: i!=None, m.groups())
    return '{1}<a href="{0}">{2}</a>{3}'.format(data.get(matches[1].lower()),
                                                                      *matches)

regex = re.compile('(?P<tag>(\<\w+)((\s\w+=".*?")+)?)|'+"|".join('(^|\W)('+s+')(\W|$)'
                        for s in sorted(data.keys(), key=len, reverse=True)),
                                      re.IGNORECASE | re.UNICODE | re.MULTILINE)
print regex.sub(repl, text)

Code: Alles auswählen

<a href="2">foo</a> <- should match
<a href="Foo Bar" href="Foo Bar"><strong><a href="1">Foo Bar</a></strong> <a href="3">Bar</a></a>
one <a href="1">Foo Bar</a> two <a href="2">FOO</a> three <a href="3">BaR</a> four
Here not: Fooo or Xbar
This should match: <a href="2">foo</a>. This too: <a href="2">foo</a>, and this: <a href="3">bar</a>:
and this: <strong><a href="2">foo</a></strong>
should match -> <a href="3">bar</a>

Code: Alles auswählen

regex = re.compile('(?P<tag><[^>]*)|'+"|".join('(^|\W)('+s+')(\W|$)'
                        for s in sorted(data.keys(), key=len, reverse=True)),
                                      re.IGNORECASE | re.UNICODE | re.MULTILINE)