Python 关于HTML解析的问题

这是我们为html解析编写的程序。 它工作得很好

我们在网上找到了一个演示程序，并根据需要对其进行了修改。 但我们不明白它是如何工作的

import urllib
from urllib.request import urlopen


address='http://www.iitb.ac.in/acadpublic/RunningCourses.jsp?deptcd=EE&year=2012&semester=1'
print(address)
source= urlopen(address).read()
source=str(source)


from html.parser import HTMLParser

str1 = input('Enter name of prof:')

class MyHTMLParser(HTMLParser):
    y=" "
    def handle_data(self, data):
        flag=0
        x=str(data)
        for i in range(len(x)):
            if (x[i]=='\\'):
                flag=1
                break
        if(flag==0) :
            if(x==str1):
                global y
                print("Name of professor:",x)
                print("Name of course:",y) 
            y=x

parser = MyHTMLParser(strict=False)
parser.feed(source)

我们的问题：

为什么必须首先调用类

HTMLparser

为什么调用该函数

handle_data

，该函数是如何工作的

为什么尽管

y

在类本身中，仍然需要

global y

没有人叫它；你是从它那里继承的<调用code>MyHTMLParser来创建类的实例

handle\u data（）

由

HTMLParser

代码调用；您的子类将覆盖它以处理文档中的文本数据。通过在

MyHTMLParser

实例上调用

.feed（）

，进程启动

有关完整的API，请参阅文档。如果你真的想知道这一切是如何运作的，你可以试着去理解

事实上，你发现的例子是做错了事情。

global y

指的是一个不同的

y

变量，该变量位于模块范围内。这行代码表明，该示例的原始开发人员不理解他们在做什么。

全局y

行不是唯一的示例；该代码可以通过其他方式变得更具python风格

类范围中的

y

定义未使用。

handle\u data（）

方法应参考

self.y

：

class MyHTMLParser(HTMLParser):
    y = None

    def handle_data(self, data):
        if '\\' not in data:
            if data == str1:
                print("Name of professor:", data)
                print("Name of course:", self.y) 
            self.y = x

这会将每个元素的元素文本存储在

self.y

中，如果下一个元素与您的

str1

全局变量匹配，那么它也会与教授姓名一起打印

您可能希望转而考虑使用更直观的HTML解析器API