python:使用OO和原廠模式解決問題

上次說到，用DOM樹的方法替代Regex，去匹配替換具有特定屬性值的HTML標籤，第一次選用的是BeautifulSoup,但是領導更中意lxml這個庫，因此我把代碼抽取出來抽象成一個介面，讓代碼依賴介面，而不是具體的實現，代碼並不知道我到底使用的是什麼第三方庫，後來更增加一個Factory 方法，讓外部連我用的什麼類都不讓它知道：）

#!/usr/bin/env python# -*- coding: utf-8 -*-#原廠模式def createDomTree(htmlStream,type='soup'):    if type == "soup":        return tnDomTreeWithSoup(htmlStream)        if type == "lxml":        return tnDomTreeWithlXml(htmlStream)        return None    #外部依賴的介面，它屏蔽了我具體使用的第三方庫class tnDomTree:    def __init__(self,htmlStream):        self.htmlStream = htmlStream        def getLinkList(self):        pass        def getImageList(self):        pass        def elementToString(self,element):        pass        def getAttrValueOfElement(self,element,attName):        pass#使用BeautifulSoup的類from BeautifulSoup import BeautifulSoupclass tnDomTreeWithSoup(tnDomTree):    def __init__(self,htmlStream):        tnDomTree.__init__(self,htmlStream)        self._tree = BeautifulSoup(self.htmlStream)        def getLinkList(self):        return self._tree.findAll('a')        def getImageList(self):        return self._tree.findAll('img')        def elementToString(self,element):        return str(element)        def getAttrValueOfElement(self,element,attName):        if hasattr(element,attName):            return str(element[attName])        else:            return ""#使用lxmlfrom lxml.html import tostringfrom lxml.html.soupparser import fromstringclass tnDomTreeWithlXml(tnDomTree):    def __init__(self,htmlStream):        tnDomTree.__init__(self,htmlStream)        self._tree = fromstring(self.htmlStream)        def getLinkList(self):        list = []        for i in self._tree.iter():            if i.tag == 'a':                list.append(i)        return list        def getImageList(self):        list = []        for i in self._tree.iter():            if i.tag == 'img':                list.append(i)        return list        def elementToString(self,element):        return tostring(element)        def getAttrValueOfElement(self,element,attName):        if attName in set(element.keys()):            return str(element.attrib[attName])        else:            return ""if __name__ == "__main__":    s1 = '''    <p>BEIAI</p> <p><img src="/attachment/28" alt=""></p>    '''    print s1    domtree = createDomTree(s1,'soup')    list = domtree.getImageList()    for i in list:        print domtree.getAttrValueOfElement(i,'src')        print domtree.elementToString(i)

後來發現一個問題，lxml庫的tostring方法總是<img src="..." />轉換成<img src="...">這個不符合我的設計要求，我的設計思路是，在DOM上遍曆img節點，將有特定src值的節點放入list，遍曆list將每一個元素都抓換成其原始HTML代碼。整體替換之，由於它tostring時擅自修改了HTML源碼導致務替換的時候沒有匹配的目標字串，從而產生BUG，所以後來還是決定使用BeautifulSoup，因為抽象出介面了，所以改變使用的第三方庫對於程式來說特別容易：）

PS：BeautifulSoup也並非沒有問題，它的策略與lxml剛好相反，任何單個的<img>標籤，只要沒加/它都產生<img ... />這樣的標籤，但是因為我能保證我要處理的<img>一定是有/的，反而不是問題了，何況加/是標準的寫法，因此還是選擇它了，由此強化了之前的觀點：第三方庫也會不穩定不安全，但是我們僅僅使用它們穩定的功能和模組就可以了