本文介绍了使用PyQuery库在Python中读取和操作HTML文件的过程。通过示例代码展示了如何读取tmpl.html文件并输出其内容，以及如何将处理后的内容写入新文件out.html。同时指出，当parser参数设置不当时，PyQuery可能会修改HTML文件的结构。实验环境为Python 2.6，PyQuery 1.2.1和lxml 2.2.2，操作系统为Windows 7。
原html文件 tmpl.html
<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">
<html xmlns="http://www.w3.org/1999/xhtml">
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>无标题文档</title>
</head>
<body>
</body>
</html>
python代码
from pyquery import PyQuery as pq
from lxml import etree
import urllib
d = pq(filename='tmpl.html', parser='html')
print d.outerHtml()
f = file('out.html', 'w')
f.write(d.outerHtml().encode('utf-8'))
f.close()
最低0.47元/天 解锁文章
扫一扫
939
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
