您的位置：首页 > 编程语言 > Python开发

#小练习 解析HTML文件并使用字典保存链接 分类： HTMLParser python 小练习 2013-11-11 12:06 267人阅读 评论(0) 收藏

2013-11-11 12:06 976 查看 
#coding:utf-8
from HTMLParser import HTMLParser
import pprint

class myhtml(HTMLParser):

def __init__(self):
HTMLParser.__init__(self)
self.d={}
self.flag=None
self.value=None

#解析html声明
def handle_decl(self,declaration):
print 'Declaration:',declaration

#解析开始标签
def handle_starttag(self,tag,attrs):
print 'Start tag:',tag
if tag=='a':
#如果tag是“a”，则添加标识flag=‘a’，处理链接数据时，判断是否tag为‘a’
self.flag='a'
if len(attrs)==0:pass
else:
for key,value in attrs:
if key=='href':
self.value=value
#解析结束标签
def handle_endtag(self,tag):
print 'End tag:',tag

#解析注释标签
def handle_comment(self,comm):
print 'Comment:',comm
#解析数据
def handle_data(self,data):
#添加flag=‘a’判断，否则字典中会增加'test': None 项
if self.flag=='a' and data.strip():#
##            print 'Data:',data
self.d[data.strip()]=self.value
print data.decode('utf-8')
else:
##            print 'Data:',data
pass

if __name__ == '__main__':
a = '''<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd">\
<html><head><!--insert javaScript here!--><title>test</title>
<body>
<a href="http: //www.163.com">163.com</a>
<a href="www.google.com"> goolge.com </a>\
<A Href="www.pythonclub.org">PythonClub </a>
<A HREF='www.sina.com.cn'> sina </a>
</body></html>'''

m=myhtml()
m.feed(a)
m.close()
print m.d


结果：

Declaration: DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"

Start tag: html

Start tag: head

Comment: insert javaScript here!

Start tag: title

End tag: title

Start tag: body

Start tag: a

163.com

End tag: a

Start tag: a

goolge.com

End tag: a

Start tag: a

PythonClub

End tag: a

Start tag: a

sina

End tag: a

End tag: body

End tag: html

{'goolge.com': 'www.google.com', 'PythonClub': 'www.pythonclub.org', '163.com': 'http: //www.163.com', 'sina': 'www.sina.com.cn'}
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航