第五个解析HTML文件的Python程序

最新推荐文章于 2024-09-24 22:43:36 发布

ustcqi

最新推荐文章于 2024-09-24 22:43:36 发布

阅读量868

点赞数

分类专栏： Python

本文链接：https://blog.csdn.net/demon24/article/details/8119573

版权

Python 专栏收录该内容

28 篇文章 0 订阅

订阅专栏

#-*-coding:utf-8-*-
from HTMLParser import HTMLParser
import sys
from htmlentitydefs import name2codepoint
from htmlentitydefs import entitydefs

class TitleParser(HTMLParser):
    
    def __init__(self):
        self.titlereading = 0
        self.title = ''
        HTMLParser.__init__(self);
        
    def handle_starttag(self, tag, attrs):
        if tag == 'title':
            self.titlereading = 1
        print 'start reading tag'
    
    def handle_data(self, data):
        if self.titlereading:
            self.title += data
        print 'reading tag data'

    def handle_endtag(self, tag):
        self.titlereading = 0
        print 'end reading tag'
    
    def handle_entityref(self, name):
        if entitydefs.has_key(name):
            self.handle_data(name)
        else :
            self.handle_data('&' + name + ';')
    
    def handle_charref(self, name): #用来处理字符
        try:
            charnum = int(name)
        except ValueError:
            return
        
        if charnum < 1 or charnum > 255:
            return
        
        self.handle_data(chr(charnum))
        
    def getTitle(self):
        return self.title

fileHandle = open('./d.html')
myParser = TitleParser()
myParser.feed(fileHandle.read())
print 'title is :', myParser.getTitle()
fileHandle.close()

d.html

<html>
  <head>
    <title>Document tile & Intros®</title>
  </head>
  
  <body>
    this is my text.
  </body>
</html>

ustcqi

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录