Python “打印HTML”；p"；仅节点
我正在尝试使用HTMLPasser只打印HTML文档的“p”标记中包含的任何内容，而不打印其他类型标记中的任何内容Python “打印HTML”；p"；仅节点,python,html,Python,Html,我正在尝试使用HTMLPasser只打印HTML文档的“p”标记中包含的任何内容，而不打印其他类型标记中的任何内容 from HTMLParser import HTMLParser class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): if "p" in tag: print "Data in <p>:\n" def handle_dat
from HTMLParser import HTMLParser
class MyHTMLParser(HTMLParser):
def handle_starttag(self, tag, attrs):
if "p" in tag:
print "Data in <p>:\n"
def handle_data(self, data):
print data
parser = MyHTMLParser()
parser.feed('<html><head><h1>The Lorem Ipsum</h1></head>'
'<body><p>Lorem ipsum dolor sit amet.</p><b>'
'<h2>Click Next for the next part.</h2><h3>'
'Coming Soon!</h3><p>Thanks.</p></body></html>')
我还不知道我应该如何正确地构建代码以使其工作。您需要跟踪您在
标记中的时间：
class MyHTMLParser(HTMLParser):
__in_p = None
def handle_starttag(self, tag, attrs):
if tag == 'p':
self.__in_p = True
def handle_endtag(self, tag):
if tag == 'p':
self.__in_p = False
def handle_data(self, data):
if self.__in_p:
print("Encountered some data:", data)
如果标记可能嵌套在自身中（
不能，
可以），则此代码将不起作用。您可以使用（pip-install-beautifulsoup4
）和（lxml
）来解析html。您需要跟踪您在标记中的时间：
class MyHTMLParser(HTMLParser):
__in_p = None
def handle_starttag(self, tag, attrs):
if tag == 'p':
self.__in_p = True
def handle_endtag(self, tag):
if tag == 'p':
self.__in_p = False
def handle_data(self, data):
if self.__in_p:
print("Encountered some data:", data)
如果标记可能嵌套在自身中（
不能，
可以），则此代码将不起作用。您可以使用（pip-install-beautifulsoup4
）和（lxml
）解析html。由于HTMLParser
在单独的事件中显示数据，因此您需要跟踪状态，以便知道要打印什么。此外，标记中的'p
将捕获任何带有“p”的标记，但不包含大写的p
from HTMLParser import HTMLParser
class MyHTMLParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.last_tag = ''
def handle_starttag(self, tag, attrs):
self.last_tag = tag
def handle_data(self, data):
if self.last_tag in ('p', 'P'):
print data
parser = MyHTMLParser()
parser.feed('<html><head><h1>The Lorem Ipsum</h1></head>'
'<body><p>Lorem ipsum dolor sit amet.</p><b>'
'<h2>Click Next for the next part.</h2><h3>'
'Coming Soon!</h3><p>Thanks.</p></body></html>')
从HTMLParser导入HTMLParser
类MyHtmlPasser（HtmlPasser）：
定义初始化（自）：
HTMLPasser.\uuuuu初始化\uuuuuuuuu（自）
self.last_标记=“”
def句柄\u开始标记（自身、标记、属性）：
self.last_tag=标记
def句柄_数据（自身、数据）：
如果self.last_标记位于（'p'，'p'）：
打印数据
parser=MyHTMLParser（）
feed（'The Lorem Ipsum'
“Lorem ipsum door sit amet.”
'单击“下一步”进入下一部分。'
“马上就来！谢谢。”）
由于HTMLParser
在一个单独的事件中显示数据，因此您需要跟踪状态，以便知道要打印什么。此外，标记中的'p
将捕获任何带有“p”的标记，但不包含大写的p
from HTMLParser import HTMLParser
class MyHTMLParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.last_tag = ''
def handle_starttag(self, tag, attrs):
self.last_tag = tag
def handle_data(self, data):
if self.last_tag in ('p', 'P'):
print data
parser = MyHTMLParser()
parser.feed('<html><head><h1>The Lorem Ipsum</h1></head>'
'<body><p>Lorem ipsum dolor sit amet.</p><b>'
'<h2>Click Next for the next part.</h2><h3>'
'Coming Soon!</h3><p>Thanks.</p></body></html>')
从HTMLParser导入HTMLParser
类MyHtmlPasser（HtmlPasser）：
定义初始化（自）：
HTMLPasser.\uuuuu初始化\uuuuuuuuu（自）
self.last_标记=“”
def句柄\u开始标记（自身、标记、属性）：
self.last_tag=标记
def句柄_数据（自身、数据）：
如果self.last_标记位于（'p'，'p'）：
打印数据
parser=MyHTMLParser（）
feed（'The Lorem Ipsum'
“Lorem ipsum door sit amet.”
'单击“下一步”进入下一部分。'
“马上就来！谢谢。”）
你看过BeautifulSoup吗？你想为打印什么我呢
？beautifulsoup可能是一个更好的选择，原因之一是它更能原谅凌乱的html。例如，一个html文档可能忘记关闭一个
标记，这可能会让依赖于end标记的状态机无法停止打印数据而感到困惑。您看过BeautifulSoup吗？你想为打印什么我呢
？beautifulsoup可能是一个更好的选择，原因之一是它更能原谅凌乱的html。例如，一个html文档可能忘记关闭一个
标记，这会使依赖于end标记的状态机无法停止打印数据。是的，我只是在看你的解决方案。我不确定如何处理子元素。也许这应该是一个计数来处理p中的p。顺便说一句，检查“P”和“P”，我想我更喜欢你的解决方案。我问过OP关于嵌套元素的问题。我的答案处理
和
这两个问题。@J.F.Sebastian我看到如果标记=='p'：
。HtmlPasser是否使用小写标记？html标记名不是大小写-sensitive@J.F.Sebastian-对，这就是为什么我两个都检查了。原来HTMLPasser的标签是小写的。@J.F.Sebastian是的，我只是在看你的解决方案。我不确定如何处理子元素。也许这应该是一个计数来处理p中的p。顺便说一句，检查“P”和“P”，我想我更喜欢你的解决方案。我问过OP关于嵌套元素的问题。我的答案处理
和
这两个问题。@J.F.Sebastian我看到如果标记=='p'：
。HtmlPasser是否使用小写标记？html标记名不是大小写-sensitive@J.F.Sebastian-对，这就是为什么我两个都检查了。事实证明，HTMLParser对标记使用小写。