56 lines
1.3 KiB
Python
56 lines
1.3 KiB
Python
"""
|
||
Модуль для обработки HTML-фрагментов
|
||
"""
|
||
|
||
import re
|
||
from typing import Optional
|
||
|
||
|
||
def extract_text(html_content: Optional[str]) -> str:
|
||
"""
|
||
Извлекает текст из HTML с помощью регулярных выражений.
|
||
|
||
Args:
|
||
html_content (Optional[str]): HTML-строка для извлечения текста
|
||
|
||
Returns:
|
||
str: Извлеченный текст или пустая строка
|
||
"""
|
||
if not html_content:
|
||
return ""
|
||
|
||
# Удаляем HTML-теги
|
||
text = re.sub(r"<[^>]+>", " ", html_content)
|
||
|
||
# Декодируем HTML-сущности
|
||
text = re.sub(r"&[a-zA-Z]+;", " ", text)
|
||
|
||
# Заменяем несколько пробелов на один
|
||
text = re.sub(r"\s+", " ", text).strip()
|
||
|
||
return text
|
||
|
||
|
||
def wrap_html_fragment(fragment: str) -> str:
|
||
"""
|
||
Оборачивает HTML-фрагмент в полный HTML-документ.
|
||
|
||
Args:
|
||
fragment (str): HTML-фрагмент
|
||
|
||
Returns:
|
||
str: Полный HTML-документ
|
||
"""
|
||
if "<!DOCTYPE html>" in fragment and "<html>" in fragment:
|
||
return fragment
|
||
|
||
return f"""<!DOCTYPE html>
|
||
<html>
|
||
<head>
|
||
<title></title>
|
||
</head>
|
||
<body>
|
||
{fragment}
|
||
</body>
|
||
</html>"""
|