python中如何利用HTMLParser抽取文本内容

yodfz 发布于 2012/07/30 15:08
阅读 5K+
收藏 2

我查了下大部分范例都是抽取标签属性的

比如<a href="链接地址">链接内容</a>

链接地址我知道怎么抽取

但是链接内容我该如何抽取呢?

加载中
0
滔滔下载站
滔滔下载站

如果你非要用HTMLParser的话,这个文档里也有说明,http://docs.python.org/library/htmlparser.html

重写各个方法, def handle_starttag(self, tag, attrs):

        print "Start tag:", tag         for attr in attrs:             print "     attr:", attr     def handle_endtag(self, tag):         print "End tag  :", tag     def handle_data(self, data): 

print "Data :", data

这个handle_data里的data就是你想要的

0
小覃
小覃

都说BeautifulSoup很强大,试用了一下,大部分网站可以解析,也有大部分网站解析出错,

你可以试一下解析这个很普通的网站http://www.2345.com/world.htm,提取所以的超链接看看,没法解析,版本3.2.1

 

OSCHINA
登录后可查看更多优质内容
返回顶部
顶部
返回顶部
顶部