Python：HTMLPasser如何处理来自子标记的数据

因此，在我感兴趣的URL的HTML文档中，我想要在每个页面上的信息不是由它周围的标记唯一定义的，而是由之前的标记定义的，也就是说，它看起来像

<div class="unique">
<span class="not unique>
data I want to get
</span>
</div>

---

但它不起作用。为什么不将my starttag设置为具有class=“unique”的div标记中的任何span标记？这通常是如何实现的？

通过执行以下操作解决了此问题：

def handle_starttag(self, tag, attrs):
        self.inLink = False
        if tag == 'div':
            for name, value in attrs:
                if name == 'class' and value == 'unique':
                    self.inLinkReady = True
        if tag == 'span':
            if self.inLinkReady:
                self.inLink = True
                self.lasttag = tag
                self.inLinkReady = False

---

：）

这并不是对你问题的直接回答：由于各种原因，很少有人直接使用HTMLPasser类。我们大多数人使用一种或多种产品，包括BeautifulSoup、selenium、scrapy等。感谢您的洞察力——我对它的研究越多，我自己就越能看到这一点。我确实设法解决了这个问题，并在下面发布了答案。不客气。祝贺你,；不是每个人都能做到的。想象一下，现在所有的刮擦都是这样做的。

def handle_starttag(self, tag, attrs):
        self.inLink = False
        if tag == 'div':
            for name, value in attrs:
                if name == 'class' and value == 'unique':
                    self.inLinkReady = True
        if tag == 'span':
            if self.inLinkReady:
                self.inLink = True
                self.lasttag = tag
                self.inLinkReady = False