如何用Python为HTML字符串逐行添加\n换行符（不使用正则）

问题原因 #

原代码针对块级开放标签的替换逻辑仅能匹配无属性的<标签名>格式，带属性的<标签名 属性="值">无法被简单字符串替换匹配，因此ol开放标签后没有生成换行。

实现思路 #

无需正则，通过手动遍历转义后的HTML字符串识别开放标签，提取标签名后匹配块级标签列表，符合条件的在标签结束位置后插入换行。

完整修改代码 #

TAGS = ['p', 'h1', 'h2', 'h3', 'h4', 'li', 'img','ol']
SINGLE_LINE_TAGS = ['ul', 'ol']
INLINE_TAGS = ['strong', 'i', 'u', 'em']

html = '''<ol class="X5LH0c"><li class="TrT0Xe" id="hello">Create A Bakery Business Plan. ... </li><li class="TrT0Xe" id="hello">Choose A Location For Your Bakery Business. ... </li><li class="TrT0Xe">Get All Licenses Required To Open A Bakery Business In India. ... </li><li class="TrT0Xe">Get Manpower Required To Open A Bakery. ... </li><li class="TrT0Xe">Buy Equipment Needed To Start A Bakery Business.</li></ol>'''

# 处理所有闭合标签的换行
for tag in TAGS:
    html = html.replace('</{}>'.format(tag), '</{}>\n'.format(tag))

# 处理块级标签闭合标签的重复换行（可选，避免重复添加换行）
for tag in SINGLE_LINE_TAGS:
    html = html.replace('</{}>\n\n'.format(tag), '</{}>\n'.format(tag))

# 处理自闭合标签换行
html = html.replace(' />', ' />\n')

# 处理带属性的块级开放标签换行
def add_newline_after_block_open_tags(html, block_tags):
    result = []
    i = 0
    html_len = len(html)
    while i < html_len:
        # 匹配转义后的标签开头 &lt;
        if html[i:i+4] == '&lt;':
            tag_start_idx = i
            i += 4
            # 提取标签名
            tag_name_buf = []
            while i < html_len and html[i] not in (' ', '&'):
                tag_name_buf.append(html[i])
                i += 1
            tag_name = ''.join(tag_name_buf)
            # 跳过闭合标签、注释标签
            if tag_name.startswith('/') or tag_name.startswith('!'):
                result.append(html[tag_start_idx:i])
                continue
            # 查找当前标签的结束位置 &gt;
            while i < html_len and html[i:i+4] != '&gt;':
                i += 1
            if i + 4 > html_len:
                result.append(html[tag_start_idx:])
                break
            i += 4
            # 写入完整标签
            result.append(html[tag_start_idx:i])
            # 块级标签追加换行
            if tag_name in block_tags:
                result.append('\n')
        else:
            result.append(html[i])
            i += 1
    return ''.join(result)

html = add_newline_after_block_open_tags(html, SINGLE_LINE_TAGS)
print(html)

输出效果 #

运行后可得到预期格式，带属性的ol开放标签后会自动插入换行，其他原有逻辑保持不变。

内容的提问来源于stack exchange，提问作者nguyenphanhoaiduc