程序博客网 > mac导入照片到ipad

解析 HTML -- SGMLParser

来源：互联网 发布：mac导入照片到ipad 编辑：程序博客网 时间：2024/05/01 07:32
[python] view plain copy
  1. #coding:utf-8  
  2. from sgmllib import SGMLParser  
  3. class GetIdList(SGMLParser):  
  4.   
  5.     def reset(self):  
  6.         self.IDlist=[]  
  7.         self.flag=False  
  8.         self.getdata=False  
  9.         self.verbatim = 0  
  10.         SGMLParser.reset(self)  
  11.   
  12.     def start_div(self,attrs):  
  13.         if self.flag==True:  
  14.             self.verbatim+=1 #进入子层div了，层数+1  
  15.         for k,v in attrs:  
  16.             if k=="class" and v=="entry-content":#确定进入了<div class='entry-content'>  
  17.                 self.flag=True  
  18.   
  19.     def end_div(self):#遇到</div>  
  20.         if self.verbatim==0:  
  21.             self.flag=False  
  22.         if self.flag==True:#退出子层div了，层数减 1  
  23.             self.verbatim-=1  
  24.   
  25.   
  26.     def start_p(self,attrs):  
  27.         if self.flag==False:  
  28.             return  
  29.         self.getdata=True  
  30.   
  31.     def end_p(self):#遇到</p>  
  32.         if self.getdata:  
  33.             self.getdata=False  
  34.   
  35.     def handle_data(self,text):#处理文本  
  36.         if self.getdata:  
  37.             self.IDlist.append(text)  
  38.     def printID(self):  
  39.         for i in self.IDlist:  
  40.             print i.decode("utf-8")  
  41.   
  42.   
  43. if __name__ == '__main__':  
  44.   
  45.     the_page ='''''<html> 
  46.     <head> 
  47.     <title>test</title> 
  48.     </head> 
  49.     <body> 
  50.     <h1>title</h1> 
  51.     <div class='entry-content'> 
  52.  
  53.     <p>感兴趣内容1</p> 
  54.     <p>感兴趣内容2</p> 
  55.     …… 
  56.     <p>感兴趣内容n</p> 
  57.     <div class='entry-content'>我是来捣乱的2<div class= 'ooxx'>我是来捣乱的3</div></div> 
  58.     </div> 
  59.     <div class='content'> 
  60.     <p>内容1</p> 
  61.     <p>内容2</p> 
  62.     …… 
  63.     <p>内容n</p> 
  64.     </div> 
  65.     </body> 
  66.     </html> 
  67.     '''  
  68.     gid=GetIdList()  
  69.     gid.feed(the_page)  
  70.     gid.printID()  
  71.     gid.close()  


结果：

感兴趣内容1
感兴趣内容2

感兴趣内容n


引自：

小练习 SGMLParser 解析 HTML


0 0
mac导入照片到ipad mac导入照片到ipad
原创粉丝点击
热门IT博客
超级优化修复系统超级优化修复系统
手机淘宝店铺店招制作手机淘宝店铺店招制作
浙江农产品出口数据
淘宝重复扣款
淘宝开店找货源怎么找
闲鱼淘宝介入卖家不理
网络机顶盒破解版软件
最强基因优化液
电信网络测速
美图秀秀怎么p淘宝长图
美国亚马逊数据分析
干货 知乎
淘宝订单贷款还款
数据来源于天地图
沈阳兼职淘宝模特招聘
网络诈骗怎么判
网络红包广告
综合训练鞋 知乎
网盘 知乎
案例分析思路 知乎
热门问题 老师的惩罚 人脸识别 我在镇武司摸鱼那些年 重生之率土为王 我在大康的咸鱼生活 盘龙之生命进化 天生仙种 凡人之先天五行 春回大明朝 姑娘不必设防，我是瞎子 大众进口途锐多少钱 柴油版途锐报价 大众途锐电动尾门 途锐v8报价及图片 大众辉腾途锐 大众途锐降价 大众途锐国产报价 途锐2014款报价 途锐的空气悬挂 柴油途锐怎么样 途锐v8怎么样 大众途锐顶配报价 大众系列途锐 touareg是什么车 图锐 途昂报价及图片 大众v6tsi tourage 途瑞价格 toureg 大众v6多少钱 大众涂悦 touareg大众v8 不建议买大众途锐 揽途 途境 赤途 途逸 侣途 兴途 靡途 途峰 遥途 冥途 艳途 末途 途仙 永途 川途 斩风之逆途 途威 途观

程序博客网，程序员的互联网技术博客家园。csdn论坛精品 msdn技术资料都在这里