麻煩講具體點，新手，謝謝
2 回答
慕森卡
TA貢獻1806條經驗 獲得超8個贊
如果要用sgmllib解析html，則要繼承sgmllib.SGMLParser類，此類里的函數都是空的，用戶需要重載它。這個類提供的功能是在特定情況下調用相應的函數。
比如當發現<html>標簽時，如果并沒有定義 start_html(self,attr)函數，則會調用unknown_starttag函數，具體怎么處理則根據用戶。
sgml的標簽是可以自定義的，比如自己定義了一個start_lala函數，則就會處理<lala>標簽。
有個地方要說明下，如果定義了start_tagname函數，有定義了handle_starttag函數，則函數只會運行handle_starttag函數，start_tagname為空函數都沒有問題，如果沒有定義handle_starttag函數，則遇到<tagname>標簽時，會運行start_tagname函數。如果沒有定義tagname的start函數，則此標簽為未知標簽，調用unknown_starttag函數
給你個例子你就知道了：
#------------------ HTMLParser_stack.py ------------------##-- coding: GBK --import sgmllib,sys,os,stringhtml = """<lala><head><title>Advice</title></head><body><p>The <a href="http://ietf.org" mce_href="http://ietf.org">IETF admonishes:<i>Be strict in what you <b>send</b>.</i></a></p><form><input type=submit name='我'> 我 <input type=text name=start size=4></form></body></lala>""" os.chdir('d://python')f=file('testboard.txt','r')contest=f.read()tagstack = []class ShowStructure(sgmllib.SGMLParser): def handle_starttag(self, tag, method,attrs): tagstack.append(tag) def handle_endtag(self, tag): tagstack.pop() def handle_data(self, data): if data.strip(): for tag in tagstack: sys.stdout.write('/'+tag) sys.stdout.write(' >> %s/n' % data[:40].strip()) def unknown_starttag(self,tag,attrs): print 'start tag:<'+tag+'>' def unknown_endtag(self,tag): print 'end tag:</'+tag+'>' def start_lala(self,attr): print 'lala tag found'ShowStructure().feed(html) |
輸出:
start tag:<head>
start tag:<title>
/lala >> Advice
end tag:</title>
end tag:</head>
start tag:<body>
start tag:<p>
/lala >> The
start tag:<a>
/lala >> IETF admonishes:
start tag:<i>
/lala >> Be strict in what you
start tag:<b>
/lala >> send
end tag:</b>
/lala >> .
end tag:</i>
end tag:</a>
end tag:</p>
start tag:<form>
start tag:<input>
/lala >> ?
start tag:<input>
end tag:</form>
end tag:</body>
end tag:</lala>
繁華開滿天機
TA貢獻1816條經驗 獲得超4個贊
這個是好東西。是用SGML做解析的。 SGML是XML的前身。 用這個解析器也可以解析標準的html。
曾經將這個解析器改造后變成一個HTML的畸形校正器。
它是一個比較單純的用正則表達式依次解析XML的一個解析器。效率不是很高。解析后的結果，你可以根據自己的需要將它放在樹里，或者是數組里都可以。
添加回答
舉報
0/150
提交
取消