Python-ApacheBeam官方网站中文版

“““script to fix the links in the staged website.
Finds all internal links which do not have index.html at the end and appends
index.html in the appropriate place （preserving anchors etc）.

Usage:
  From root directory after running the jekyll build execute
  ‘python .jenkins/append_index_html_to_internal_links.py‘.

Dependencies:
  beautifulsoup4
  Installable via pip as ‘sudo pip install beautifulsoup4‘ or apt via
  ‘sudo apt-get install python-beautifulsoup4‘.

“““

import fnmatch
import os
import re
from bs4 import BeautifulSoup

# Original link match. Matches any string which starts with ‘/‘ and doesn‘t
# have a file extension.
linkMatch = r‘^\/（.*\.（?!（[^\/]+）$））?[^.]*$‘

# Regex which matches strings of type /internal/link/#anchor. Breaks into two
# groups for ease of inserting ‘index.html‘.
anchorMatch1 = r‘（.+\/）（#[^\/]+$）‘

# Regex which matches strings of type /internal/link#anchor. Breaks into two
# groups for ease of inserting ‘index.html‘.
anchorMatch2 = r‘（.+\/[a-zA-Z0-9]+）（#[^\/]+$）‘


matches = []
# Recursively walk content directory and find all html files.
for root dirnames filenames in os.walk（‘content‘）:
  for filename in fnmatch.filter（filenames ‘*.html‘）:
    # Javadoc does not have the index.html problem so omit it.
    if ‘javadoc‘ not in root:
      matches.append（os.path.join（root filename））

print ‘Matches: ‘ + str（len（matches））
# Iterates over each matched file looking for link matches.
for match in matches:
  print ‘Fixing links in: ‘ + match
  mf = open（match）
  soup = BeautifulSoup（mf）
  # Iterates over every 
  for a in soup.findAll（‘a‘）:
    try:
      hr = a[‘href‘]
      if re.match（linkMatch hr） is not None:
        if hr.endswith（‘/‘）:
          # /internal/link/
          a[‘href‘] = hr + ‘index.html‘
        elif re.match（anchorMatch1 hr） is not None:
          # /internal/link/#anchor
          mat = re.match（anchorMatch1 hr）
          a[‘href‘] = mat.group（1） + ‘index.html‘ + mat.group（2）
        elif re.match（anchorMatch2 hr） is not None:
          # /internal/link#anchor
          mat = re.match（anchorMatch2 hr）
          a[‘href‘] = mat.group（1） + ‘/index.html‘ + mat.group（2）
        else:
          # /internal/link
          a[‘href‘] = hr + ‘/index.html‘
        mf.close（）

        html = unicode（soup）.encode（‘utf-8‘）
        # Write back to the file.
        with open（match “wb“） as f:
          print ‘Replacing ‘ + hr + ‘ with: ‘ + a[‘href‘]
          f.write（html）
    except KeyError as e:
      # Some  tags don‘t have an href.
      continue