#小练习 SGMLParser练习分类： HTMLParser ...-白红宇

#小练习 SGMLParser练习分类： HTMLParser ...

阅读量：5120 次

发布时间：2019-06-13

本文共 1429 字，大约阅读时间需要 4 分钟。

SGMLParser 将 HTML 分解成有用的片段，比如开始标记和结束标记。一旦它成功地分解出某个数据为一个有用的片段，它会根据所发现的数据，调用一个自身内部的方法。为了使用这个分析器，您需要子类化 SGML- Parser类，并且覆盖这些方法。

SGMLParser类里面包含了很多内部方法，开始读取html后，遇到相应的数据就会调用其对应的方法，最重要的方法有三个：

start_tagname(self, attrs)

end_tagname(self)

handle_data(self, text)

#coding:utf-8from sgmllib import SGMLParserclass myhp(SGMLParser):    def reset(self):        self.l=[]        self.getdata=False        self.flag=False        SGMLParser.reset(self)    def start_div(self,attrs):        for k,v in attrs:            if k=='class' and v=='entry-content':#进入div，设置flag=True                self.flag=True    def start_p(self,attrs):        self.getdata=True #进入,设置getdata=True    def end_p(self):        self.getdata=False    def handle_data(self,data):        if self.flag and self.getdata:#获取
    
     标签的数据            self.l.append(data)            print data.decode("utf-8")    def end_div(self):        self.flag=Falseif __name__ == '__main__':        the_page ='''        test            
     title
    
         
      感兴趣内容1
    
      感兴趣内容2
    ……    
      感兴趣内容n
    
      
       
        捣乱
       
       兴趣
      
    
      
       我是来捣乱的2
       
        我是来捣乱的3
       
      
    
     
    
         
      内容1
    
      内容2
    ……    
      内容n
    
     
            '''    m=myhp()    m.feed(the_page)    m.close()

结果：

感兴趣内容1

感兴趣内容2

感兴趣内容n

内容1

内容2

内容n

转载于:https://www.cnblogs.com/think1988/p/4628018.html

你可能感兴趣的文章

大家在做.NET B/S项目的时候多用什么设技术啊？