Python HTMLParser

Question

我正在使用HTMLParser解析html文档，我想在p标签的开头和结尾之间打印内容

请参阅我的代码段

    def handle_starttag(self, tag, attrs):
        if tag == 'p':
            print "TODO: print the contents"

Answer 1

基于@tauran发布的内容，您可能希望执行以下操作：

from HTMLParser import HTMLParser

class MyHTMLParser(HTMLParser):
    def print_p_contents(self, html):
        self.tag_stack = []
        self.feed(html)

    def handle_starttag(self, tag, attrs):
        self.tag_stack.append(tag.lower())

    def handle_endtag(self, tag):
        self.tag_stack.pop()

    def handle_data(self, data):
        if self.tag_stack[-1] == 'p':
            print data

p = MyHTMLParser()
p.print_p_contents('<p>test</p>')

现在，您可能希望将所有<p>内容推送到列表中，然后将其作为结果或其他类似内容返回。

TIL：在使用像这样的库时，你需要考虑堆栈！

Answer 2

我从docs：

扩展了示例

from HTMLParser import HTMLParser

class MyHTMLParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        print "Encountered the beginning of a %s tag" % tag

    def handle_endtag(self, tag):
        print "Encountered the end of a %s tag" % tag

    def handle_data(self, data):
        print "Encountered data %s" % data

p = MyHTMLParser()
p.feed('<p>test</p>')

-

Encountered the beginning of a p tag
Encountered data test
Encountered the end of a p tag

Answer 3

它似乎不适用于我的代码所以我将from html.parser import HTMLParser tag_stack = [] class MONanalyseur(HTMLParser): def handle_starttag(self, tag, attrs): tag_stack.append(tag.lower()) def handle_endtag(self, tag): tag_stack.pop() def handle_data(self, data): if tag_stack[-1] == 'head': print(data) parser=MONanalyseur() parser.feed() 定义为外部类似于一种全局变量。

SELECT * WHERE {
?Film <http://data.linkedmdb.org/resource/movie/country> <http://data.linkedmdb.org/resource/country/GB> .
?Film <http://data.linkedmdb.org/resource/movie/actor> ?actor.
}