html获取数据的标签,利用PyQuery获取HTML指定标签内容

安装

sudo pip install pyquery

例子

from pyquery import PyQuery

import urllib2

page = urllib2.urlopen("http://www.lzu.edu.cn")

text = unicode(page.read(), "utf-8")

doc = PyQuery(text)

for event in doc(‘.r li‘):

event = PyQuery(event)

#loc = event.find(‘.h‘).text()

time = event.text().encode(‘utf-8‘)

#name = event.find(‘title‘).text()

#print ‘name: %s‘ % name

print ‘名字 : %s‘ % time

#print ‘location : %s‘ % loc

print ‘----------------------‘

注意event里是unicode,在内存中运算的一定是固定2字节的unicode,存储要转为变字节的utf-8。

当然还有别的模块也可以用,如

#!/usr/bin/env python

#-*- coding: utf8 -*-

from HTMLParser import HTMLParser

from htmlentitydefs import name2codepoint

import urllib2

class MyHTMLParser(HTMLParser):

def __init__(self):

HTMLParser.__init__(self)

self._flag = ‘‘

def handle_starttag(self, tag, attrs):

if tag == ‘h3‘ and attrs.__contains__((‘class‘,‘event-title‘)):

self._flag = ‘event-title‘

if tag == ‘time‘:

self._flag = ‘time‘

if tag == ‘span‘ and attrs.__contains__((‘class‘,‘event-location‘)):

self._flag = ‘event-location‘

def handle_data(self, data):

if self._flag == ‘event-title‘:

print ‘会议名称: %s‘ %data

self._flag = ‘‘

#if self._flag == ‘time‘:

# print ‘会议时间: %s‘ %data

if self._flag == ‘event-location‘:

print ‘会议地点: %s‘ %data

print ‘-------------------‘

self._flag = ‘‘

page = urllib2.urlopen(‘https://www.python.org/events/python-events/‘).read()

parser = MyHTMLParser()

parser.feed(page)

References

[1].http://www.douban.com/note/208670234/

[2].http://blog.csdn.net/mindmb/article/details/7898528

[3].http://pythonhosted.org/pyquery/api.html

原文:http://my.oschina.net/lvyi/blog/383743

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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