HTMLの見出しタグ情報から目次テキストを生成.

toc-from-html.py

def processFile(InputFile):
  """
  入力ファイルの内容を解析＆目次部分の出力
  """

  # それぞれの見出しを目次情報として活用するか否か.
  useH1tag = False
  useH2tag = True
  useH3tag = True
  useH4tag = True
  useH5tag = False

  inputHTML = open(InputFile, 'r')

  # 見出しタグがあれば目次遷移用のソースコードを作成
  for line in inputHTML:
    if (len(line) >= 4):
      bol = line[0:3]
      if (useH1tag and bol == '<h1'):
        print((' ' * 0) + getTocLine(line))
      elif (useH2tag and bol == '<h2'):
        print((' ' * 0) + getTocLine(line))
      elif (useH3tag and bol == '<h3'):
        print((' ' * 4) + getTocLine(line))
      elif (useH4tag and bol == '<h4'):
        print((' ' * 8) + getTocLine(line))
      elif (useH5tag and bol == '<h5'):
        print((' ' * 12) + getTocLine(line))


def getTocLine(line):
  """
  見出しタグより遷移リンクを生成.
  """
  import xml.etree.ElementTree as ET
  headerTag = ET.fromstring(line.strip())
  return '- <a href="#' + headerTag.attrib['id'] + '">' + headerTag.text + '</a>'


if __name__ == "__main__":
  import sys
  print("<!-- auto generated Table of Contents:START. -->")
  print("<h2>目次</h2>")
  processFile(sys.argv[1])
  print("<!-- auto generated Table of Contents:END-->")