第四个解析HTML文件的Python程序

ustcqi

于 2012-10-27 21:09:14 发布

阅读量764

点赞数

CC 4.0 BY-SA版权

分类专栏： Python

本文链接：https://blog.youkuaiyun.com/demon24/article/details/8119515

Python 专栏收录该内容

28 篇文章

订阅专栏

本文介绍了一种使用Python解析HTML文件以提取标题的方法，通过创建一个自定义的HTML解析器类来实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#-*-coding:utf-8-*-
from HTMLParser import HTMLParser
from htmlentitydefs import entitydefs
import sys

class TitleParser(HTMLParser):
    
    def __init__(self):
        self.title = ''
        self.readingtitle = 0
        HTMLParser.__init__(self)
    
    def handle_starttag(self, tag, attrs):
        if tag == 'title':
            self.readingtitle = 1
    
    def handle_data(self, data):
        if self.readingtitle:
            self.title += data
        
    def handle_endtag(self, tag):
        if tag == 'title':
            self.readingtitle = 0;
    
    def handle_entityref(self, name): #& 是实体，没有这个函数结果不显示&
        if entitydefs.has_key(name):#entitydefs函数能检查是否是实体
            self.handle_data(entitydefs[name])
        else:
            self.handle_data('&' + name + ';')
            
    def gettitle(self):
        return self.title

fileHandle = open('./c.html')
titleParser = TitleParser()
titleParser.feed(fileHandle.read())
print 'title is :', titleParser.gettitle()
fileHandle.close()