python 解析url

Posted by admin on 22 July, 2009
No comments yet
This item was filled under [ 一步一步学习中 ]

摘录了dive into python的例子

Python代码
  1. #-*-coding:utf-8-*-
  2. import HTMLParser
  3. #html解析，继承HTMLParser类
  4. class MyHTMLParser(HTMLParser.HTMLParser):
  5. def _init(self):
  6. HTMLParser.HTMLParser.__init__(self);
  9. # 处理开始标签和结束标签 – finish processing of start+end tag: <tag…/>
  10. def handle_startendtag(self, tag, attrs):
  11. self.handle_starttag(tag, attrs)
  12. self.handle_endtag(tag)
  14. #handle start tag
  15. #处理开始标签和结束标签 这里打印出a标签的href的属性值
  16. def handle_starttag(self,tag, attrs):
  17. if tag==‘a’:
  18. for name,value in attrs:
  19. if name==‘href’:
  20. print value
  22. # 处理结束标签，比如</xx> – handle end tag
  23. def handle_endtag(self,tag):
  24. pass;
  26. # 处理特殊字符串，就是以&#开头的，一般是内码表示的字符 – handle character reference
  27. def handle_charref(self, name):
  28. pass
  30. # 处理一些特殊字符，以&开头的，比如 &nbsp; – handle entity reference
  31. def handle_entityref(self, name):
  32. pass
  34. # 处理数据，就是<xx>data</xx>中间的那些数据 – handle data
  35. def handle_data(self, data):
  36. pass
  38. # 处理注释 – handle comment
  39. def handle_comment(self, data):
  40. pass
  42. # 处理<!开头的，比如<!DOCTYPE html PUBLIC ”-//W3C//DTD HTML 4.01 Transitional//EN” – handle declaration
  43. def handle_decl(self, decl):
  44. pass
  46. # 处理形如<?instruction>的东西 – handle processing instruction
  47. def handle_pi(self, data):
  48. pass
  52. a=‘<body><a href=”www.163.com”>test</a></body>’
  53. print a
  54. my=MyHTMLParser()
  55. my.feed(a)
  56. #结果为www.163.com
Bookmark and Share
Tagged with: [ ]