解析html

hkcat2006

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