在Python 3.2中使用HTMLParser

Question

我一直在使用HTML Parser從網站上刪除數據並剝離html編碼。我知道各種模塊，比如美麗的湯，但是決定走上不依賴於「外部」模塊的道路。有一個由Eloff提供的代碼：Strip HTML from strings in Python

from HTMLParser import HTMLParser 

class MLStripper(HTMLParser): 
    def __init__(self): 
     self.reset() 
     self.fed = [] 
    def handle_data(self, d): 
     self.fed.append(d) 
    def get_data(self): 
     return ''.join(self.fed) 

def strip_tags(html): 
    s = MLStripper() 
    s.feed(html) 
    return s.get_data() 

它在Python 3.1中起作用。不過，我最近升級到了Python 3.2.x，並發現我在上面編寫的HTML解析器代碼中遇到了錯誤。

我的第一個錯誤點到線：

s.feed(html) 

...和錯誤說...

AttributeError: 'MLStripper' object has no attribute 'strict' 

因此，一些研究之後，我添加了「嚴=真「來頂線，使得它...

class MLStripper(HTMLParser, strict=True) 

不過，我得到的新的錯誤：

TypeError: type() takes 1 or 3 arguments 

，看看會發生什麼，我刪除了「自我」的說法，並在「嚴=真」 ......這給了錯誤左：

NameError: global name 'self' is not defined 

...和我「我猜猜猜」的感覺。

我不知道class MLStripper(HTMLParser)行中的第三個參數是self和strict=True之後的第三個參數;研究並沒有拋棄任何啓示。

Answer 1

您正在繼承HTMLParser，但您並未調用其方法__init__。你需要一個行添加到您__init__方法：

def __init__(self): 
    super().__init__() 
    self.reset() 
    self.fed = [] 

此外，爲Python 3，進口線爲：

from html.parser import HTMLParser 

有了這些變化，一個簡單的例子工程。不要更改class行，這是不相關的。