GtkTextView で書式設定されたテキストをhtmlまたはpango markup languageとして抽出したいと考えています。
このような書式設定の小さなテキスト エディタを用意します。したがって、整形要素は単純
<b>で、<i>、 などです。
TexView から書式設定されたテキストを取得する方法はありますか?
1473 次
2 に答える
1
使用できますgtk_text_buffer_serialize()。ただし、組み込みのシリアライザーは GTK の内部テキスト バッファー形式のみであるため、HTML または Pango マークアップが必要な場合は、シリアライズ関数を自分で作成する必要があります。
数年前、私はRTF 用の GtkTextBuffer シリアライザーを書きました。それがあなたの助けになるか、自分で書くように促すかはわかりません。
于 2014-03-19T04:45:10.680 に答える
1
Pango リッチ テキスト マークアップを含む Gtk TextBuffer のコンテンツを、要件と同様に、アプリケーション内でデータが格納される形式である HTML に変換する必要がありました。
箱から出してすぐに実行できる簡単な方法が見つからなかったので、Gtk のシリアル化されたコンテンツから html への独自のコンバーターを作成することになりました。
html標準ライブラリの一部である を使用BeautifulSoup4し、依存関係として既に持っていたので、それも活用します。
最初に、メソッド
Gtk.TextBufferを上書きする派生クラスを定義し、が設定されている場合はコンテンツをテキストまたは HTML として返します。get_textinclude_hidden_chars
class PangoBuffer(Gtk.TextBuffer):
def get_text(self,
start: Optional[Gtk.TextIter] = None,
end: Optional[Gtk.TextIter] = None,
include_hidden_chars: bool = False) -> str:
"""Get the buffer content.
If `include_hidden_chars` is set, then the html markup content is
returned. If False, then the text only is returned."""
if start is None:
start = self.get_start_iter()
if end is None:
end = self.get_end_iter()
if include_hidden_chars is False:
return super().get_text(start, end, include_hidden_chars=False)
else:
format_ = self.register_serialize_tagset()
content = self.serialize(self, format_, start, end)
return PangoToHtml().feed(content)
重要な部分はelseブロック内にあります。独自のシリアライザーを開発したかったのですが、ドキュメントはまばらです。したがって、組み込みのシリアライザーを使用して、バイナリ コンテンツを復元します。
このコンテンツは基本的に、ヘッダーとフッターが追加された XML マークアップです。
# Truncated for legibility.
GTKTEXTBUFFERCONTENTS-0001\x00\x00\x07Z
<text_view_markup>
<tags>
<tag id="12" priority="12"> </tag> # Tags can be empty
<tag name="italic" priority="2">
<attr name="style" type="PangoStyle" value="PANGO_STYLE_ITALIC" />
</tag>
<tag id="7" priority="7">
<attr name="background-gdk" type="GdkColor" value="0:0:ffff" />
<attr name="style" type="PangoStyle" value="PANGO_STYLE_ITALIC" />
<attr name="weight" type="gint" value="700" />
</tag>
</tags>
<text>
<apply_tag name="italic">This is italic</apply_tag>
<apply_tag id="1">. </apply_tag>
<apply_tag id="2">This is italic</apply_tag>
<apply_tag id="3">\n </apply_tag>
<apply_tag id="7">This is bold, italic, and has background colouring.</apply_tag>
</text>
</text_view_markup>
このことから、タグがソートされておらず、idまたは のいずれかを持つことができることを確認できますname。
を含むタグはanonymousidと呼ばれ、通常、コンテンツを逆シリアル化するときに Pango によって作成されます。
通常、名前付きタグはアプリケーションで定義されたものです。
tag_bold = TextBuffer.create_tag("bold", weight=Pango.Weight.BOLD)
tag_italic = TextBuffer.create_tag("italic", style=Pango.Style.ITALIC)
tag_underline = TextBuffer.create_tag("underline", underline=Pango.Underline.SINGLE)
ヘッダーには、 を呼び出すときにデシリアライズできないチェックサムが含まれている
bytes.decodeため、xml 文字列にデコードする前に削除する必要があります。
次に、PangoToHtmlクラスは実際の仕事をします:
from html.parser import HTMLParser
from typing import Dict, List, Tuple
from bs4 import BeautifulSoup
from bs4.element import Tag
from gi.repository import Pango
class PangoToHtml(HTMLParser):
"""Decode a subset of Pango markup and serialize it as HTML.
Only the Pango markup used within Gourmet is handled, although expanding it
is not difficult.
Due to the way that Pango attributes work, the HTML is not necessarily the
simplest. For example italic tags may be closed early and reopened if other
attributes, eg. bold, are inserted mid-way:
<i> italic text </i><i><u>and underlined</u></i>
This means that the HTML resulting from the conversion by this object may
differ from the original that was fed to the caller.
"""
def __init__(self):
super().__init__()
self.markup_text: str = "" # the resulting content
self.current_opening_tags: str = "" # used during parsing
self.current_closing_tags: List = [] # used during parsing
# The key is the Pango id of a tag, and the value is a tuple of opening
# and closing html tags for this id.
self.tags: Dict[str: Tuple[str, str]] = {}
# Optionally, links can be specified, in a {link text: target} format.
self.links: Dict[str, str] = {}
# If links are specified, it is possible to ignore them, as is done with
# time links.
self.ignore_links: bool = False
# Used as heuristics for parsing links, when applicable.
self.is_colored_and_underlined: bool = False
tag2html: Dict[str, Tuple[str, str]] = {
Pango.Style.ITALIC.value_name: ("<i>", "</i>"), # Pango doesn't do <em>
str(Pango.Weight.BOLD.real): ("<b>", "</b>"),
Pango.Underline.SINGLE.value_name: ("<u>", "</u>"),
"foreground-gdk": (r'<span foreground="{}">', "</span>"),
"background-gdk": (r'<span background="{}">', "</span>")
}
@staticmethod
def pango_to_html_hex(val: str) -> str:
"""Convert 32 bit Pango color hex string to 16 html.
Pango string have the format 'ffff:ffff:ffff' (for white).
These values get truncated to 16 bits per color into a single string:
'#FFFFFF'.
"""
red, green, blue = val.split(":")
red = hex(255 * int(red, base=16) // 65535)[2:].zfill(2)
green = hex(255 * int(green, base=16) // 65535)[2:].zfill(2)
blue = hex(255 * int(blue, base=16) // 65535)[2:].zfill(2)
return f"#{red}{green}{blue}"
def feed(self, data: bytes) -> str:
"""Convert a buffer (text and and the buffer's iterators to html string.
Unlike an HTMLParser, the whole string must be passed at once, chunks
are not supported.
Optionally, a dictionary of links, in the format {text: target}, can be
specified. Links will be inserted if some text in the markup will be
coloured, underlined, and matching an entry in the dictionary.
If `ignore_links` is set, along with the `links` dictionary, then links
will be serialized as regular text, and the link targets will be lost.
"""
# Remove the Pango header: it contains a length mark, which we don't
# care about, but which does not necessarily decodes as valid char.
header_end = data.find(b"<text_view_markup>")
data = data[header_end:].decode()
# Get the tags
tags_begin = data.index("<tags>")
tags_end = data.index("</tags>") + len("</tags>")
tags = data[tags_begin:tags_end]
data = data[tags_end:]
# Get the textual content
text_begin = data.index("<text>")
text_end = data.index("</text>") + len("</text>")
text = data[text_begin:text_end]
# Convert the tags to html.
# We know that only a subset of HTML is handled in Gourmet:
# italics, bold, underlined, normal, and links (coloured & underlined)
soup = BeautifulSoup(tags, features="lxml")
tags = soup.find_all("tag")
tags_list = {}
for tag in tags:
opening_tags = ""
closing_tags = ""
# The tag may have a name, for named tags, or else an id
tag_name = tag.attrs.get('id')
tag_name = tag.attrs.get('name', tag_name)
attributes = [c for c in tag.contents if isinstance(c, Tag)]
for attribute in attributes:
vtype = attribute['type']
value = attribute['value']
name = attribute['name']
if vtype == "GdkColor": # Convert colours to html
if name in ['foreground-gdk', 'background-gdk']:
opening, closing = self.tag2html[name]
hex_color = self.pango_to_html_hex(value)
opening = opening.format(hex_color)
else:
continue # no idea!
else:
opening, closing = self.tag2html[value]
opening_tags += opening
closing_tags = closing + closing_tags # closing tags are FILO
tags_list[tag_name] = opening_tags, closing_tags
if opening_tags:
tags_list[tag_name] = opening_tags, closing_tags
self.tags = tags_list
# Create a single output string that will be sequentially appended to
# during feeding of text. It can then be returned once we've parse all
self.markup_text = ""
self.current_opening_tags = ""
self.current_closing_tags = [] # Closing tags are FILO
self.is_colored_and_underlined = False
super().feed(text)
return self.markup_text
def handle_starttag(self, tag: str, attrs: List[Tuple[str, str]]) -> None:
# The pango tags are either "apply_tag", or "text". We only really care
# about the "apply_tag". There could be an assert, but we let the
# parser quietly handle nonsense.
if tag == "apply_tag":
attrs = dict(attrs)
tag_name = attrs.get('id') # A tag may have a name, or else an id
tag_name = attrs.get('name', tag_name)
tags = self.tags.get(tag_name)
if tags is not None:
self.current_opening_tags, closing_tag = tags
self.current_closing_tags.append(closing_tag)
def handle_data(self, data: str) -> None:
data = self.current_opening_tags + data
self.markup_text += data
def handle_endtag(self, tag: str) -> None:
if self.current_closing_tags: # Can be empty due to closing "text" tag
self.markup_text += self.current_closing_tags.pop()
self.current_opening_tags = ""
HTMLParser doc に従って、 HTML (HyperText Mark-up Language) および XHTML でフォーマットされたテキスト ファイルを解析するための基礎として機能します。開始タグと終了タグ、およびその間のコンテンツを処理したいことがわかっています。
シリアル化されたコンテンツ内では、タグは名前または ID で参照されるため、事前に処理する必要があります。
この場合、BeautifulSoup単純なループで XML タグを簡単に処理できる を使用することにしました。
BeautifulSoupいずれかまたはhtmlライブラリのみですべてを作成できたでしょうか。おそらくそうでしょうが、あらゆる種類のリンクをサポートする必要があったため、提供される柔軟性が必要だったため、最終結果
は少し異なりHTMLParserます。
基本的な単体テストは次のとおりです。
from pango_html import PangoToHtml
def test_convert_colors_to_html():
val = "0:0:0"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#000000"
val = "ffff:0:0"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#ff0000"
val = "0:ffff:0"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#00ff00"
val = "0:0:ffff"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#0000ff"
val = "ffff:ffff:ffff"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#ffffff"
val = "0:00000000:ffff" # add some arbitrary amounts of leading zeroes
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#0000ff"
val = "ff00:d700:0000"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#fed600" # Gold
val = "ffff:1414:9393"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#ff1493" # Deep Pink
val = "4747:5f5f:9494"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#475f94" # Some Blue
val = "00fd:ffdc:ff5c"
ret = PangoToHtml.pango_to_html_hex(val)
assert ret == "#00fefe" # Some other blue
def test_pango_markup_to_html():
# These are examples found throughout the application
pango_markup = b'GTKTEXTBUFFERCONTENTS-0001\x00\x00\x07Z <text_view_markup>\n <tags>\n <tag id="12" priority="12">\n </tag>\n <tag id="2" priority="2">\n <attr name="style" type="PangoStyle" value="PANGO_STYLE_ITALIC" />\n </tag>\n <tag id="8" priority="8">\n </tag>\n <tag id="3" priority="3">\n </tag>\n <tag id="7" priority="7">\n <attr name="background-gdk" type="GdkColor" value="0:0:ffff" />\n </tag>\n <tag id="4" priority="4">\n <attr name="style" type="PangoStyle" value="PANGO_STYLE_ITALIC" />\n <attr name="weight" type="gint" value="700" />\n </tag>\n <tag id="5" priority="5">\n <attr name="style" type="PangoStyle" value="PANGO_STYLE_ITALIC" />\n <attr name="weight" type="gint" value="700" />\n <attr name="underline" type="PangoUnderline" value="PANGO_UNDERLINE_SINGLE" />\n </tag>\n <tag id="0" priority="0">\n <attr name="weight" type="gint" value="700" />\n </tag>\n <tag id="1" priority="1">\n </tag>\n <tag id="6" priority="6">\n </tag>\n <tag id="9" priority="9">\n <attr name="foreground-gdk" type="GdkColor" value="0:0:ffff" />\n </tag>\n <tag id="11" priority="11">\n <attr name="background-gdk" type="GdkColor" value="0:0:ffff" />\n <attr name="foreground-gdk" type="GdkColor" value="ffff:ffff:ffff" />\n </tag>\n <tag id="10" priority="10">\n </tag>\n </tags>\n<text><apply_tag id="0">This is bold</apply_tag><apply_tag id="1">. </apply_tag><apply_tag id="2">This is italic</apply_tag><apply_tag id="3">\n </apply_tag><apply_tag id="4">This is bold, italic, and </apply_tag><apply_tag id="5">underlined!</apply_tag><apply_tag id="6">\n </apply_tag><apply_tag id="7">This is a test of bg color</apply_tag><apply_tag id="8">\n </apply_tag><apply_tag id="9">This is a test of fg color</apply_tag><apply_tag id="10">\n </apply_tag><apply_tag id="11">This is a test of fg and bg color</apply_tag><apply_tag id="12">\n +</apply_tag></text>\n</text_view_markup>\n' # noqa
expected = '<b>This is bold</b>. <i>This is italic</i>\n <i><b>This is bold, italic, and </b></i><i><b><u>underlined!</u></b></i>\n <span background="#0000ff">This is a test of bg color</span>\n <span foreground="#0000ff">This is a test of fg color</span>\n <span background="#0000ff"><span foreground="#ffffff">This is a test of fg and bg color</span></span>\n +' # noqa
ret = PangoToHtml().feed(pango_markup)
assert ret == expected
pango_markup = b'GTKTEXTBUFFERCONTENTS-0001\x00\x00\x01i <text_view_markup>\n <tags>\n <tag name="italic" priority="1">\n <attr name="style" type="PangoStyle" value="PANGO_STYLE_ITALIC" />\n </tag>\n <tag name="bold" priority="0">\n <attr name="weight" type="gint" value="700" />\n </tag>\n </tags>\n<text>ddf<apply_tag name="bold">fd<apply_tag name="italic">df</apply_tag>fd</apply_tag>dff</text>\n</text_view_markup>\n' # noqa
expected = 'ddf<b>fd<i>df</i>fd</b>dff'
ret = PangoToHtml().feed(pango_markup)
assert ret == expected
于 2020-07-29T12:31:32.197 に答える