第三个解析HTML文件的Python程序

最新推荐文章于 2022-07-17 12:28:55 发布

ustcqi

最新推荐文章于 2022-07-17 12:28:55 发布

阅读量755

点赞数

分类专栏： Python

本文链接：https://blog.csdn.net/demon24/article/details/8119316

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
from htmlentitydefs import name2codepoint

class MyHTMLParser(HTMLParser):
    
    def handle_starttag(self, tag, attrs):
        print 'start tag : ', tag
        for attr in attrs:
            print 'attrs : ' , attr
    
    def handle_endtag(self, tag):
        print 'end tag : ', tag
    
    def handle_data(self, data):
        print 'data :', data
    
    def handle_comment(self, data):
        print 'Comment :', data
        
    def handle_entityref(self, name):
        c = unichr(name2codepoint[name])
        print 'Nmae net :', c
    
    def handle_charref(self, name):
        if name.startswith('X'):
            c = unichr(int(name[1:], 16))
        else :
            c = unichr(int(name))
    
    def handle_decl(self, data):
        print 'Decl :', data

myParser = MyHTMLParser()
myParser.feed('<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd">')
print '\n'
myParser.feed('<img src="python-logo.png" alt="The Python logo">')
print '\n'
myParser.feed('<style type="text/css">#python { color: green }</style>')
print '\n'
myParser.feed('<script type="text/javascript">alert("<strong>hello!</strong>");</script>')
print '\n'
myParser.feed('<!-- a comment --><!--[if IE 9]>IE-specific content<![endif]-->')
print '\n'
'''
重点查看这段语句
'''
for chunk in ['<sp', 'an>buff', 'ered ', 'text</s', 'pan>']:
    myParser.feed(chunk)
print '\n'
myParser.feed('<p><a class=link href=#main>tag soup</p ></a>')