0
我的問題與HTMLParser的使用有關,但是有點nast html代碼。
我有一個文件/網頁包含多個html/css條目,並在我得到這個經常重複的部分html代碼,我需要解析以提取某些特定數據。
例如:Python:從一些討厭的HTML提取數據
1)
號66將被提取
號123456要被提取ftom此評論
<h3 class="s KB8NC">66.&hsbc;
<!--
<A name="simp123456" href="text.php?p=1&i_simp_z_boc_nb_sec=123456&i_simp_s_vitrazka=1">
-->
ristill advocka, sygint: SURVE/123-021/11-2/XX</h3>
而另一頻繁的條目,其中在顯示配對:
2)
第一個條目是忽略因爲空 '數據'
數提取
<p class="monozzio"></p>
<p class="monozzio"><a href="text.php?p=1&pup;i_simp_z_boc_nb_sec=123456&pup;i_simp_s_vitrazka=1">monozzio...</a></p>
這是我的第一類,但迄今爲止它開始超過我的技能,任何幫助表示讚賞。
from HTMLParser import HTMLParser
class MyParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.recording = 0
self.data = []
def handle_starttag(self, tag, attributes):
if tag != 'p':
return
if self.recording:
self.recording += 1
return
for name, value in attributes:
if name == 'class' and value == 'monozzio':
break
else:
return
self.recording = 1
def handle_endtag(self, tag):
if tag == 'p' and self.recording:
self.recording -= 1
def handle_data(self, data):
if self.recording:
##############################
#here parse data to get 123456
##############################
self.data.append(data)
p = MyParser()
f = open('file.html', 'r')
htm = f.read()
p.feed(htm)
print '\n'.join(p.data)
p.close()
你想從你的HTML中提取所有的整數?你可以參考這個http://stackoverflow.com/questions/4289331/extract-numbers-of-a-string –
我想從我的例子中只提取那些整數 - 對於整個HTML,我的意思是這個標記的結構是重複的numers在變化,但它們仍然處於標籤中相同的位置。 – modzello86