免费注册 查看新帖 |

Chinaunix

  平台 论坛 博客 文库
最近访问板块 发新帖
查看: 1702 | 回复: 0

解析html [复制链接]

论坛徽章:
0
发表于 2008-01-02 19:01 |显示全部楼层
最近在学习python,借了本《python网络编程基础》.选几个好玩点的示例发blog上来,可以从其它地方察看。
进行基本的html解析
这是标题
这是文本内容
下面是代码,目标是取出TITLE
实际情况要复杂的多,因为有时候标签是不均衡的。先贴个三篇,以后学下去再看情况贴上来吧
#!/usr/bin/env python
from HTMLParser import HTMLParser
import sys
class TitleParser(HTMLParser):
    def __init__(self):
        self.title = ''
        self.readingtitle = 0
        HTMLParser.__init__(self)
    def handle_starttag(self, tag, attrs):
        if tag == 'title':
            self.readingtitle = 1
    def handle_data(self, data):
        if self.readingtitle:
            # Ordinarily, this is slow and a bad practice, but
            # we can get away with it because a title is usually
            # small and simple.
            self.title += data
    def handle_endtag(self, tag):
        if tag == 'title':
            self.readingtitle = 0
    def gettitle(self):
        return self.title
fd = open(sys.argv[1])
tp = TitleParser()
tp.feed(fd.read())
print "Title is:", tp.gettitle()


本文来自ChinaUnix博客,如果查看原文请点:http://blog.chinaunix.net/u/20244/showart_455283.html
您需要登录后才可以回帖 登录 | 注册

本版积分规则 发表回复

DTCC2020中国数据库技术大会

【架构革新 高效可控】2020年12月21日-23日第十一届中国数据库技术大会将在北京隆重召开。

大会设置2大主会场,20+技术专场,将邀请超百位行业专家,重点围绕数据架构、AI与大数据、传统企业数据库实践和国产开源数据库等内容展开分享和探讨,为广大数据领域从业人士提供一场年度盛会和交流平台。

http://dtcc.it168.com


大会官网>>
  

北京盛拓优讯信息技术有限公司. 版权所有 16024965号-6 北京市公安局海淀分局网监中心备案编号:11010802020122
中国互联网协会会员  联系我们:huangweiwei@it168.com
感谢所有关心和支持过ChinaUnix的朋友们 转载本站内容请注明原作者名及出处

清除 Cookies - ChinaUnix - Archiver - WAP - TOP