最近一直在學習python，語法部分差不多看完了，想寫一寫python基礎教程后面的第一個項目。因為我在網上看到的別人的博客講解都並不是特別詳細，僅僅是貼一下代碼，書上內容照搬一下，對於當時剛學習python的我幫助有限。
下面是自己學習過程整理的一些內容。
基礎版：
基礎教程上面的項目例子，都會先出一個基礎的代碼版本，然后根據第一個版本，進行相應的補充完善。我們先來看一下util.py這個文件。
1 #encoding:utf-8 2 #生成器，for循環時會依次返回每一行，它只在文件的最后追加了一個空行\n 3 def lines(file): 4 for line in file:yield line 5 yield '\n' 6 #生成器，for循環時會依次返回文本塊組成的函數 7 def blocks(file): 8 block = [] 9 for line in lines(file): 10 if line.strip(): 11 block.append(line) 12 elif block: 13 yield ''.join(block).strip() 14 block = []
這里的兩個主要內容是生成器和for...in語法。
首先我們來看lines()方法，參數是文件，然后對文件進行循環，每次讀取一行文件，主意這離的yield關鍵字，這里代表方法是一個生成器，循環的時候到yield我們可以理解成返回一次line內容。文本讀完后，yield處是一個'\n'。
blocks()方法就使用了上面的生成器，每次循環取出內容后，對line內容進行判斷，如果有值，去除兩邊空格，添加到列表中，否則將block列表生成字符串。我們可以看出blocks也是一個生成器，他的實際功能是，從文件中，依次讀取出來一個文本塊。
然后是simple_markup.py文件。
1 import sys,re 2 from util import * 3 4 print '<html><head><title>hello</title></head><body>' 5 6 title = True 7 for block in blocks(sys.stdin): 8 block = re.sub(r'\*(.+?)\*',r'<em>\1</em>',block) 9 if title: 10 print '<h1>' 11 print block 12 print '</h1>' 13 title = False 14 else: 15 print '<p>' 16 print block 17 print '</p>' 18 print '</body></html>'
這里我們需要注意一下，re.sub(r'\*(.+?)\*',r'<em>\1</em>',block)，他是re模塊的應用，首先增則匹配到內容，然后替換式替換。
其他部分，就是判斷title是否為True，若是則給h1標簽，否則給p標簽。
擴展版：
在上面的文件中，功能基本實現，下面的內容是功能的復雜實現。我們接着往下看，首先是handlers.py文件。
1 #encoding:utf-8 2 class Handler: 3 '調用方法的處理類' 4 5 #判斷當前類是否有對應的方法，所有的話則根據提供的額外參數使用對應方法 6 def callback(self,prefix,name,*args): 7 method = getattr(self,prefix+name,None) 8 if callable(method):return method(*args) 9 10 #callback的輔助方法，前綴就是start，只需要提供方法名即可 11 def start(self,name): 12 self.callback('start_',name) 13 #前綴為end的callback輔助方法 14 def end(self,name): 15 self.callback('end_',name) 16 17 #返回方法名subsutitution 18 def sub(self,name): 19 def substitution(match): 20 result = self.callback('sub_',name,match) 21 if result is None: result = match.group(0) 22 return result 23 return substitution 24 25 class HTMLRenderer(Handler): 26 def start_document(self): 27 print '<html><head><title>title</title></head><body>' 28 def end_documrnt(self): 29 print '</body></html>' 30 def start_paragraph(self): 31 print '<p>' 32 def end_paragraph(self): 33 print '</p>' 34 def start_heading(self): 35 print '<h2>' 36 def end_heading(self): 37 print '</h2>' 38 def start_list(self): 39 print '<ul>' 40 def end_list(self): 41 print '</ul>' 42 def start_listitem(self): 43 print '<li>' 44 def end_listitem(self): 45 print '</li>' 46 def start_title(self): 47 print '<h1>' 48 def end_title(self): 49 print '</h1>' 50 def sub_emphasis(self,match): 51 return '<em>%s</em>' % match.group(1) 52 def sub_url(self,match): 53 return '<a href="%s">%s</a>' % (match.group(1),match.group(1)) 54 def sub_mail(self,match): 55 return '<a href="mailto:%s">%s</a>' % (match.group(1),match.group(1)) 56 def feed(self,data): 57 print data
先看Handler類，他有四個方法，其中重點是callback和sub。
callback:兩個必須參數，一個額外參數。
getAttr()用來判斷類中是否存在prefix+name的方法，若存在返回prefix+name，否則返回None。
callable()用來判斷方法是否可以調用，若可以調用，則給予參數*args並且調用，*args的含義是額外參數。
start，end是包裝了callback的兩個方法，不細表。
sub:
目的是返回一個函數作為re.sub的替換函數，這樣re.sub就不是寫死的了。其中定義了一個substitution方法，實際上調用后返回的就是這個方法。他也就是我們后面re.sub中需要用到的替換函數。
細心的朋友可能會注意到，這里有一個match參數，當時在這里我費解了很久，明明沒有這個參數，可是之后的調用卻確實使用到了，我打印這個參數，顯示的是re對象。
書上有這樣一個小例子，
1 from handlers import * 2 handler = HTMLRenderer() 3 import re 4 print re.sub(r'\*(.+?)\*',handler.sub('emphasis'),'this *is* a test ') 5 #輸出為'This <em>is</em> a test'
當時在這了我完全就懵逼了，因為handler.sub('emphasis')返回的明明是一個方法，但是他沒有match參數啊。
然后仔細看書，書上在前面有這樣一句話，re.sub函數可以將第一個函數作為第二個參數。至少筆者覺得這句話寫的很奇怪，’第一個函數‘明明要寫成第一個參數啊有木有。好吧，不吐槽這些。
大概意思就是，re.sub的第二個參數可以是一個函數作為替換式，替換式的參數就是re.sub的第一個參數匹配后返回的正則對象。
這下就可以看懂了，我們會去調用sub_emphasis(self,match)，然后match.group(1)表示的實際上是is。關於group(1)大家去看一下，re模塊的內容，在這里我就直接告訴你他的內容，就是匹配式(.+?)中的內容。
HTMLRenderer類繼承了Handler類，其中主要定義了一些用來輸出的方法，不細說。
再來看rules.py文件。
1 #encoding:utf-8 2 class Rule: 3 def action(self,block,handler): 4 handler.start(self.type) 5 handler.feed(block) 6 handler.end(self.type) 7 return True 8 9 class HeadingRule(Rule): 10 type = 'heading' 11 #不包含\n，也就是說並非最后一個塊；長度小於70；不以冒號結尾 12 def condition(self,block): 13 return not '\n' in block and len(block) <=70 and not block[-1] == ':' 14 15 class TitleRule(HeadingRule): 16 type = 'title' 17 #只工作一次，處理第一個快，因為處理完一次之后first的值被設置為了False，所以不會再執行處理方法了 18 first = True 19 def condition(self,block): 20 if not self.first: return False 21 self.first = False 22 return HeadingRule.condition(self,block) 23 24 class ListItemRule(Rule): 25 type = 'listitem' 26 def condition(self,block): 27 return block[0] == '-' 28 def action(self,block,handler): 29 handler.start(self.type) 30 handler.feed(block[1:].strip()) 31 handler.end(self.type) 32 return True 33 34 class ListRule(ListItemRule): 35 type = 'list' 36 inside = False 37 def condition(self,block): 38 return True 39 def action(self,block,handler): 40 if not self.inside and ListItemRule.condition(self,block): 41 handler.start(self.type) 42 self.inside = True 43 elif self.inside and not ListItemRule.condition(self,block): 44 handler.end(self.type) 45 self.inside = False 46 return False 47 48 class ParagraphRule(Rule): 49 type = 'paragraph' 50 def condition(self,block): 51 return True
這里比較簡單，我們先看看基類Rule,定義了兩個方法，condition和action.
condition接受一個文本塊作為參數，通過返回布爾值來表示文本塊是否適合當前的規則。
action接受文本塊和處理程序對象作為參數，用來對文本塊執行操作，進行輸出。
集成的類都不復雜，這里單獨說一下ListRule。
這里定義了一個變量inside為True，我們可以理解這個變量的意思是—List列表開始。因為在html中List中還會包含節點，也就是這里的ListItem,所以他會在遇到一個列表項的時候觸發一次，然后在最后一個列表項的時候再次觸發。所以inside作為一個標志位，用來進行判斷符合規則的文本塊時需要執行start還是end方法。
最后一個文件，markup.py
1 #encoding:utf-8 2 import sys,re 3 from handlers import * 4 from util import * 5 from rules import * 6 7 class Parser: 8 #初始化一些屬性 9 def __init__(self,handler): 10 self.handler = handler 11 self.rules = [] 12 self.filters = [] 13 #向規則列表中添加規則 14 def addRule(self,rule): 15 self.rules.append(rule) 16 #向過濾器列表中添加過濾器 17 def addFilter(self,pattern,name): 18 #創建過濾器，實際上這里return的是一個替換式 19 def filter(block,handler): 20 return re.sub(pattern,handler.sub(name),block) 21 self.filters.append(filter) 22 #對文件進行處理 23 def parse(self,file): 24 self.handler.start('document') 25 #對文件中的文本塊依次執行過濾器和規則 26 for block in blocks(file): 27 for filter in self.filters: 28 block = filter(block,self.handler) 29 for rule in self.rules: 30 #判斷文本塊是否符合相應規則，若符合做執行規則對應的處理方法 31 if rule.condition(block): 32 last = rule.action(block,self.handler) 33 if last:break 34 self.handler.end('document') 35 36 class BasicTextParser(Parser): 37 def __init__(self,handler): 38 Parser.__init__(self,handler) 39 self.addRule(ListRule()) 40 self.addRule(ListItemRule()) 41 self.addRule(TitleRule()) 42 self.addRule(HeadingRule()) 43 self.addRule(ParagraphRule()) 44 45 self.addFilter(r'\*(.+?)\*','emphasis') 46 self.addFilter(r'(http://[\.a-zA-Z/]+)','url') 47 self.addFilter(r'([\.a-zA-Z]+@[\.a-zA-Z]+[a-zA-Z]+)','mail') 48 49 handler = HTMLRenderer() 50 parser = BasicTextParser(handler) 51 52 parser.parse(sys.stdin) 53
同樣先看基類Parser,構造函數需要一個handler對象作為參數，以供全局調用，同時初始化了兩個列表。
addRule和addFilter的目的是向規則和過濾器列表添加元素。
parse方法，讀取文本文件，循環出每一個文本塊，先通過過濾器過濾，然后執行相應規則。
我們注意，規則和按照列表依次執行的，他會判斷返回值，若為False則不再對文本塊執行后續規則了。
BasicTextParser類，的構造函數只是在基類的基礎上增加了，向規則和過濾器列表添加具體內容的步驟。
然后初始化類，並且對文件執行parse方法，即時標記項目完成。
后記：
學習完python語法后，真正動手做的第一個項目，對初學者還是有一點難度的，尤其是整體細節上。
后續會依次寫完其他幾個項目的學習筆記。歡迎喜歡的朋友關注，bye!