Python解析Python官网会议安排

HTMLParser是python用来解析html的模块，它可以分析出html里面的标签、数据等。

HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。

handle_startendtag  处理开始标签和结束标签 
handle_starttag     处理开始标签，比如<xx> 
handle_endtag       处理结束标签，比如</xx> 
handle_charref      处理特殊字符串，就是以&#开头的，一般是内码表示的字符 
handle_entityref    处理一些特殊字符，以&开头的，比如   
handle_data         处理数据，就是<xx>data</xx>中间的那些数据 
handle_comment      处理注释 
handle_decl         处理<!开头的，比如<!DOCTYPE html PUBLIC “-//W3C//DTD HTML 4.01 Transitional//EN” 
handle_pi           处理形如<?instruction>的东西

举例：

#!usr/bin/env python3
# -*- coding:utf-8 -*-

from html.parser import HTMLParser
from html.entities import name2codepoint

class MyHTMLParser2(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.flag=None
    def handle_starttag(self,tag,attrs):
        if tag=='h3' and attrs.__contains__(('class','event-title')):
            print('\n\n会议主题:',end='')
            self.flag=True    #在需要打印的块中设置标识
        elif tag=='time':
            print('\n会议时间:',end='')
            self.flag=True
        elif tag=='span' and attrs.__contains__(('class','event-location')):
            print('\n会议地址:',end='')
            self.flag=True
			
    def handle_endtag(self,tag):
        if tag in('h3','time','span'):
            self.flag=None
            #print('</%s>' % tag)
			
    def handle_startendtag(self,tag,attrs):
        #print('<%s/>' % tag)
        pass
    def handle_data(self,data):
        #print('----------->%s'%data.strip())
        if self.flag:    #判断是需要的值才打印
            print('%s' % data,end='')   #末尾不换行
		
    def hangle_comment(self,data):
        #print('<!--  -->')
        pass
	
    def handle_entityref(self,name):
        #print('====>%s' % name)
        if name=='ndash':
            print('至',end='')
        else:
            pass
    def handle_charref(self,name):
        #print('&#%s;' % name)
        pass


with open('python_meeting.xml','rb') as f:
    s=f.read()
parser=MyHTMLParser2()
parser.feed(str(s))

会议主题:PyCon Ghana 2018
会议时间:10 Aug. \xe2\x80\x93 12 Aug.  2018
会议地址:Accra, Ghana

会议主题:PyData Delhi 2018
会议时间:11 Aug. \xe2\x80\x93 13 Aug.  2018
会议地址:New Delhi, India

会议主题:PyCon Korea 2018
会议时间:15 Aug. \xe2\x80\x93 20 Aug.  2018
会议地址:Seoul, South Korea

会议主题:PyBay 2018
会议时间:16 Aug. \xe2\x80\x93 20 Aug.  2018
会议地址:San Francisco, CA, USA

会议主题:PyCon PL 2018
会议时间:23 Aug. \xe2\x80\x93 27 Aug.  2018
会议地址:Ossa, Poland

会议主题:Flask Conference
会议时间:24 Aug. \xe2\x80\x93 26 Aug.  2018
会议地址:S\xc3\xa3o Paulo, Brazil

Python解析Python官网会议安排

猜你喜欢