Python HtmlPasser忽略符号后面的数据

因此，我用Python制作了一个HTML解析器，我希望它能够打印出div标记之间的所有信息，但似乎任何在符号后面没有空格的数据都不希望打印出来。解析器的代码是：

from HTMLParser import HTMLParser


class Parser(HTMLParser):

    def __init__(self):
        HTMLParser.__init__(self)
        self.dataArray = []
        self.text = []
        self.inLink = False

    def handle_starttag(self, tag, attrs):
        if tag == 'div':
            self.inLink = True
            self.lasttag = tag

    def handle_data(self, data):
        if self.lasttag == 'div' and self.inLink:
            self.text.append(data)

    def handle_entityref(self, name):
        data = self.unescape('&')
        self.text.append(data)

    def handle_endtag(self, tag):
        if tag == 'div':
            self.inlink = False
            self.dataArray.append("".join(self.text))
            self.text = []
            for i in self.dataArray:
                if i == "":
                        self.dataArray.remove(i)


def time_to_parse(your_parser, text_to_parse):
        parser = your_parser
        decoded_text = parser.unescape(text_to_parse)
        parser.feed(decoded_text)
        unicode_data = your_parser.dataArray
        string_data = [i.encode('utf-8') for i in unicode_data]
        print(string_data)

time_to_parse(Parser(), '<div>ll&quot;ll&amp;mmmm</div>')

从HTMLParser导入HTMLParser
类解析器（HTMLParser）：
定义初始化（自）：
HTMLPasser.\uuuuu初始化\uuuuuuuuu（自）
self.dataArray=[]
self.text=[]
self.inLink=False
def句柄\u开始标记（自身、标记、属性）：
如果标记=='div'：
self.inLink=True
self.lasttag=tag
def句柄_数据（自身、数据）：
如果self.lasttag=='div'和self.inLink:
self.text.append（数据）
def handle_entityref（自身，名称）：
data=self.unescape（“&；”）
self.text.append（数据）
def handle_endtag（self，tag）：
如果标记=='div'：
self.inlink=False
self.dataArray.append（“.join（self.text））
self.text=[]
对于self.dataArray中的i：
如果i==“”：
self.dataArray.remove（i）
def time_to_parse（您的_解析器，text_to_parse）：
parser=您的解析器
decoded_text=parser.unescape（text_to_parse）
parser.feed（已解码的_文本）
unicode\u data=您的\u parser.dataArray
string_data=[i.encode（'utf-8'）表示unicode_数据中的i]
打印（字符串\u数据）
解析时间（Parser（），'ll“ll&；mmmm'）

---

这会打印出

'll“ll&'

。但是，如果我输入

'll“ll&；mmmm'

作为要解析的文本（与符号后面的空格），它将打印出

'll“ll&mmmm'

很好。我不明白为什么它处理引号和其他实体很好，但不处理符号，所以我的想法太多了：（

首先，我不熟悉

HTMLParser

模块。但是，将

self.text.append（data）

更改为

self.text.append（data+name）

在你的

handle\u entityref

函数上。谢谢@Himal，效果很好。我仍然不明白为什么，所以如果有人能解释一下，那将非常有用。首先，我不熟悉

HTMLParser

模块。但是，将

self.text.append（数据）

更改为

self.text.append（数据+名称）

在你的

handle\u entityref

函数上。谢谢@Himal，效果很好。我还是不明白为什么，所以如果有人能解释一下，那将非常有用。