解析HTML以在元素中获取文本 [英] Parsing HTML to get text inside an element
本文介绍了解析HTML以在元素中获取文本的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我需要将两个元素中的文本转换为字符串：
$ b
source_code = < span class =UserName>< a href =＃> Martin Elias< / a>< / span>
>>> ; text
'Martin Elias'
我怎么能做到这一点？
解决方案
我搜索了python parse html，这是第一个结果：
https://docs.python.org/2/library/htmlparser.html
这段代码是从python文档中获得的
from HTMLParser import HTMLParser
＃创建一个子类并重写处理方法
class MyHTMLParser（HTMLParser）：
def handle_starttag（self，tag，attrs）：
print遇到一个开始标记：，标记
def handle_endtag（ self，tag）：
print遇到一个结束标记：，标记
def handle_data（self，data）：
print遇到一些数据：，数据
＃实例化解析器并为其提供一些HTML
解析器= MyHTMLParser（）
parser.feed（'< html> < head>< title> Test< / title>< / head>'
'< body>< h1>解析我！< / h1>< / body>< / html> '）
以下是结果：
<$遇到一个开始标签：html
遇到一个开始标签：head
遇到一个开始标签：title
遇到一些数据：Test
遇到一个结束标签：title
遇到一个结束标签：head
遇到一个开始标签：body
遇到一个开始标签：h1
遇到一些数据：解析我！
遇到一个结束标记：h1
遇到一个结束标记：body
遇到一个结束标记：html
通过查看HTMLParser中的代码，我想出了这个：
class myhtmlparser（HTMLParser）：
def __init __（self）：
self.reset（）
self.NEWTAGS = []
self.NEWATTRS = []
self。 HTMLDATA = []
def handle_starttag（self，tag，attrs）：
self.NEWTAGS.append（tag）
self.NEWATTRS.append（attrs）
def handle_data（self ，数据）：
self.HTMLDATA.append（data）
def clean（self）：
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
您可以像这样使用它：
from HTMLParser import HTMLParser
pstring = source_code =< span class =UserName>< a href = ＃> Martin Elias< / a>< / span>
class myhtmlparser（HTMLParser）：
def __init __（self）：
self.reset（）
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
def handle_starttag（self，tag，attrs）：
self.NEWTAGS.append（tag）
self.NEWATTRS.append（attrs）
def handle_data（self，data）：
self.HTMLDATA.append（data）
def clean（self）：
self.NEWTAGS = []
self.NEWATTRS = [ ]
self.HTMLDATA = []
parser = myhtmlparser（）
parser.feed（pstring）
＃从解析器中提取数据
tags = parser.NEWTAGS
attrs = parser.NEWATTRS
data = parser.HTMLDATA
＃清理解析器
parser.clean（）
＃打印出我们的数据
打印标签
打印attrs
打印数据
现在您应该能够轻松地从这些列表中提取数据。我希望这有助于！
I need to get the text inside the two elements into a string:
source_code = """<span class="UserName"><a href="#">Martin Elias</a></span>"""
>>> text
'Martin Elias'
How could I achieve this?
解决方案
I searched "python parse html" and this was the first result: https://docs.python.org/2/library/htmlparser.html
This code is taken from the python docs
from HTMLParser import HTMLParser
# create a subclass and override the handler methods
class MyHTMLParser(HTMLParser):
def handle_starttag(self, tag, attrs):
print "Encountered a start tag:", tag
def handle_endtag(self, tag):
print "Encountered an end tag :", tag
def handle_data(self, data):
print "Encountered some data :", data
# instantiate the parser and fed it some HTML
parser = MyHTMLParser()
parser.feed('<html><head><title>Test</title></head>'
'<body><h1>Parse me!</h1></body></html>')
Here is the result:
Encountered a start tag: html
Encountered a start tag: head
Encountered a start tag: title
Encountered some data : Test
Encountered an end tag : title
Encountered an end tag : head
Encountered a start tag: body
Encountered a start tag: h1
Encountered some data : Parse me!
Encountered an end tag : h1
Encountered an end tag : body
Encountered an end tag : html
Using this and by looking at the code in HTMLParser I came up with this:
class myhtmlparser(HTMLParser):
def __init__(self):
self.reset()
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
def handle_starttag(self, tag, attrs):
self.NEWTAGS.append(tag)
self.NEWATTRS.append(attrs)
def handle_data(self, data):
self.HTMLDATA.append(data)
def clean(self):
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
You can use it like this:
from HTMLParser import HTMLParser
pstring = source_code = """<span class="UserName"><a href="#">Martin Elias</a></span>"""
class myhtmlparser(HTMLParser):
def __init__(self):
self.reset()
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
def handle_starttag(self, tag, attrs):
self.NEWTAGS.append(tag)
self.NEWATTRS.append(attrs)
def handle_data(self, data):
self.HTMLDATA.append(data)
def clean(self):
self.NEWTAGS = []
self.NEWATTRS = []
self.HTMLDATA = []
parser = myhtmlparser()
parser.feed(pstring)
# Extract data from parser
tags = parser.NEWTAGS
attrs = parser.NEWATTRS
data = parser.HTMLDATA
# Clean the parser
parser.clean()
# Print out our data
print tags
print attrs
print data
Now you should be able to extract your data from those lists easily. I hope this helped!
这篇关于解析HTML以在元素中获取文本的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
查看全文
