這是參照廖雪峰老師的教程(鏈結)寫的抓取網頁特定資訊的**。感覺**還不夠簡練，日後需要優化。
import urllib3
from htmlparser import htmlparser
from htmlentitydefs import name2codepoint, entitydefs
class myhtmlparser(htmlparser):
def __init__(self):
htmlparser.__init__(self)
self.h3 = none
self.time = none
self.span = none
self.speci = false
self.date = ''
def handle_starttag(self, tag, attrs):
if 'h3'==tag:
for href, link in attrs:
if 'event-title'==link:
self.h3 = tag
if 'time'==tag:
for href, link in attrs:
if 'datetime'==href:
self.time = tag
self.date += link
if 'span'== tag:
for href, link in attrs:
if 'event-location'==link:
self.span = tag
def handle_endtag(self, tag):
pass#print('' % tag)
def handle_startendtag(self, tag, attrs):
pass#print('<%s/>' % tag)
def handle_data(self, data):
if 'h3'==self.h3:
print'conference title:',data
self.h3 = none
if 'time'==self.time:
self.date+=data
if self.speci:
self.date += data
self.speci = false
self.time = none
print self.date
self.date = ''
if 'span'==self.span:
print 'event-location:',data
self.span = none
print '\n'
def handle_comment(self, data):
pass#print('')
def handle_entityref(self, name):
if 'ndash'==name:
self.date+='-'
self.speci = true
def handle_charref(self, name):
pass
parser = myhtmlparser()
url = ""
response = urllib2.urlopen(url)
page = response.read()
parser.feed(page)
抓取網頁特定內容的**。由於知識累積的少，**中對於特殊字元'&ndash'的解析感覺不是很完美，需以後改進。
HTML入門之head標籤學習
主要是配置 瀏覽器顯示資料的配置資訊 eg 字串編碼 一般是給瀏覽器進行使用 網頁標題標籤 告訴瀏覽器使用什麼標題顯示網頁 標題名編碼格式標籤 告訴瀏覽器使用指定的編碼格式解析文件 編碼格式 text html charset 編碼格式 html4 網頁搜尋優化標籤 提公升網頁在瀏覽器中的搜尋速度 ...
html入門之屬性
目標 1，屬性 1，屬性 什麼是屬性？生活中對乙個物品名詞或者形容詞的描述，統稱為屬性，比如說水杯，圓柱體的，黑色的，玻璃材質的等等都是對它的描述。那麼在html中，可以把標籤看做是乙個物體，它也有自己名詞或者形容的描述，統稱為屬性。語法 標籤名 屬性名1 值1 屬性名2 值2 內容 注 多個屬性用...
html之快速入門
目標 1，什麼是html？2，html常用標籤 3，文字類標籤 特殊符號 1，什麼是html?1，英文名字 hypertext markup language 中文名字 超文字標記語言 標記 使用帶尖括號 的標記，將網頁中的內容逐一標識出來 這個帶簡括的標記也叫做標籤。2，用來設計網頁的一門標記語言...