#小练习 SGMLParser 解析 HTML

最新推荐文章于 2021-06-04 04:41:29 发布
最新推荐文章于 2021-06-04 04:41:29 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： HTMLParser 
#coding:utf-8
from sgmllib import SGMLParser
class GetIdList(SGMLParser):

    def reset(self):
        self.IDlist=[]
        self.flag=False
        self.getdata=False
        self.verbatim = 0
        SGMLParser.reset(self)

    def start_div(self,attrs):
        if self.flag==True:
            self.verbatim+=1 #进入子层div了，层数+1
        for k,v in attrs:
            if k=="class" and v=="entry-content":#确定进入了<div class='entry-content'>
                self.flag=True

    def end_div(self):#遇到</div>
        if self.verbatim==0:
            self.flag=False
        if self.flag==True:#退出子层div了，层数减 1
            self.verbatim-=1


    def start_p(self,attrs):
        if self.flag==False:
            return
        self.getdata=True

    def end_p(self):#遇到</p>
        if self.getdata:
            self.getdata=False

    def handle_data(self,text):#处理文本
        if self.getdata:
            self.IDlist.append(text)
    def printID(self):
        for i in self.IDlist:
            print i.decode("utf-8")


if __name__ == '__main__':

    the_page ='''<html>
    <head>
    <title>test</title>
    </head>
    <body>
    <h1>title</h1>
    <div class='entry-content'>

    <p>感兴趣内容1</p>
    <p>感兴趣内容2</p>
    ……
    <p>感兴趣内容n</p>
    <div class='entry-content'>我是来捣乱的2<div class= 'ooxx'>我是来捣乱的3</div></div>
    </div>
    <div class='content'>
    <p>内容1</p>
    <p>内容2</p>
    ……
    <p>内容n</p>
    </div>
    </body>
    </html>
    '''
    gid=GetIdList()
    gid.feed(the_page)
    gid.printID()
    gid.close()


结果：

感兴趣内容1
感兴趣内容2
感兴趣内容n

my2010Sam
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python：SGMLParser-巧妙从html文件中取到所需数据
tomorrownan的博客
11-23 1398
SGMLParser是sgmllib的一个类，使用的时候我们只需要重载这个类，并在子类中对html文件做具体处理即可。用自己的方法覆盖原有的方法，这样我们可以从html网页文件中轻松取到想要的数据，然后写进自己定义的数据结构中，便于在前端使用这些数据。 SGMLParser 可以把 HTML 分解成有用的片段， 比如开始标记start_tagname(self, attrs)和结束标记end_ta...
python学习笔记三：解析html（HTMLParser、SGMLParser），并抓取图片
以后以后的专栏
04-16 3583
# -*- coding: utf-8 -*- #feimengjuan import urllib import urllib2 from sgmllib import SGMLParser import re # 根url host = "http://desk.zol.com.cn" # 定义保存文件夹 localSavePath = "girls/" # 根据首页得到的图片集遍历每个
Python SGMLParser简介
silver0924的专栏
12-22 1037
python SGMLParser python SGMLParser模块处理html解析非常的方便，它将HTML处理分成三步：将 HTML 分解成它的组成片段，对片段进行加工，接着将片段再重新合成 HTML。第一步是通过sgmllib.py 来完成的，它是标准Python 库的一部分。 理解本章的关键是要知道 HTML 不只是文本，更是结构化文本。这种结构来源于开始与结束标记的或多或少分级序
SGMLParser
heideyanmou的博客
01-09 247
python提供了SGMLParser类用于html文件的解析。用户只需从SGMLParser类继承子类，并在子类中对html文件做具体处理 例如 具有如下结构的html文件    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    我们尝试获得'感兴趣内容'  对于文本内容,我们保
SGMLParser 分类： HTMLParser ...
weixin_30647065的博客
11-12 121
http://www.open-open.com/lib/view/1329700631343 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...
#小练习 SGMLParser 解析 HTML 分类： HTMLParser...
weixin_30491641的博客
11-12 85
#coding:utf-8 from sgmllib import SGMLParser class GetIdList(SGMLParser): def reset(self): self.IDlist=[] self.flag=False self.getdata=False self.verbatim = 0 ...
python解析html的几种方法
08-19
python解析html的几种方法，lxml，xpath，htmlparser，SGMLParser等操作
SGMLParser-sp-1.3.4(linux)
08-05
SGML解析工具 sp1.3.4 linux下安装包。很有效的解析器。
SGMLParser-sp1_3_4（win32）
08-05
win32的SGML解析工具，版本为1_3_4。 只有exe、dll和说明文档。 很方便的一个工具。
sasgml:SGML的类似于SAX的API（Java的SGML解析器）-开源
05-13
用于Java的SGML解析器，基于OpenSP。
python获取糗百图片代码实例
01-20
复制代码 代码如下:from sgmllib import SGMLParserimport urllib2 class sgm(SGMLParser): def reset(self): SGMLParser.reset(self) self.srcs=[] self.ISTRUE=True  def start_div(self,artts): for k,v in...
用python解析html--SGMLParser
tudoutest的博客
02-09 244
sgmllib.py 包含一个重要的类: SGMLParser。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...
html分析工作SGMLParser的常见问题及解决方案
jaken09的专栏
05-12 660
一，什么是SGMLParser 二，vk
解析 HTML -- SGMLParser
课桌
01-13 736
[python] view plain copy #coding:utf-8  from sgmllib import SGMLParser  class GetIdList(SGMLParser):        def reset(self):          self.IDlist=[]          self.flag=False          self.ge
使用python 提取html文件中的特定数据
热门推荐
nwpulei
02-19 3万+
python提供了SGMLParser类用于html文件的解析。用户只需从SGMLParser类继承子类，并在子类中对html文件做具体处理。 例如 具有如下结构的html文件 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 我们尝试获得'感兴趣内容' 对于文本内容,我们保存到IDList中。 可是如何标记我们遇到的文本是感兴趣的内容
python网页解析之SGMLParser
IpursueI的专栏
02-19 1367
鄙人学python不久，老看语法甚是无聊，便想找了一个例子玩玩。看到一个网页图片抓取的例子，源代码见http://blog.csdn.net/ipursuei/article/details/8591297，亲测可用。 其中比较重要的一个环节便是对html的解析。 我搜了一下常用的python的网页解析有 1. SGMLParser 2. HTMLParser 3. BeautifulS
Python解析html页面的库总结,Python爬虫及HTMLParser小结
weixin_36307834的博客
06-04 498
target="_blank">WeiboSite'my =MyParser()my.feed(content)3.使用SGMLParser解析网页SGMLParser也是Python自带的解析器，比HTMLParser更加易用。下面给一个示例：#!/usr/bin/envpythonimporturllib2from sgmllib import SGMLParserclassList...
python sgmllib.SGMLParser的学习
流星雨的专栏
12-18 4796
#!/usr/bin/python #coding:utf-8 import urllib,time #导入sgmllib中分析网页的 SGMLParser模块 from sgmllib import SGMLParser #SGMLParser模块的介绍 """ 1.为了从 HTML 文档中提取数据，将 SGMLParser 类进行子类化，然后对想要捕捉的标记或实体定义方法
model因操作失当导致数据库出错
weixin_30588907的博客
12-18 101
转载于:https://www.cnblogs.com/xiesibo/p/7804710.html
from sgmllib import SGMLParser, SGMLParseError ModuleNotFoundError: No module named 'sgmllib'
最新发布
05-16
The `sgmllib` module has been deprecated since Python 2.6 and removed in Python 3.x. Instead, you can use the `html.parser` module, which provides similar functionality. Here's an example of how to use `html.parser` to parse an HTML document: ```python from html.parser import HTMLParser class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Start tag:", tag) for attr in attrs: print(" attr:", attr) def handle_endtag(self, tag): print("End tag :", tag) def handle_data(self, data): print("Data :", data) parser = MyHTMLParser() parser.feed('<html><head><title>Test</title></head><body><h1>Header</h1><p>Paragraph</p></body></html>') ``` This will output: ``` Start tag: html Start tag: head Start tag: title Data : Test End tag : title End tag : head Start tag: body Start tag: h1 Data : Header End tag : h1 Start tag: p Data : Paragraph End tag : p End tag : body End tag : html ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值