问 题
使用python进行网络爬虫编写时,如何使用HTMLParser解析获取到html文档中多个标签中的文本:
例如:
text1
text2
text3
text4
text5
使用handle_data函数进行处理时,只能获取到标签中的文本,即text1,text2,text4,
其他两个text3和text5无法获取。
求大师们指教!
解决方案
from HTMLParser import *
class MyParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.links = []
self.flag = 0
def handle_data(self, data):
data = data.strip()
if data and self.flag:
print "handle_data", data
def handle_starttag(self, tag, attrs):
self.flag = 0
def handle_endtag(self, tag):
tag = tag.strip()
if tag == "span标签":
self.flag = 1
handle_starttag每遇见一个以"
扫一扫关注IT屋
微信公众号搜索 “ IT屋 ” ,选择关注与百万开发者在一起