添加链接 注册    登录
link管理
链接快照平台
  • 输入网页链接，自动生成快照
  • 标签化管理网页链接
相关文章推荐
爱喝酒的篮球  ·  编译出错libicui18n.so.58: ...·  6 天前    · 
低调的斑马  ·  python - ...·  2 天前    · 
近视的鸭蛋  ·  vue中select的使用、默认选择、onc ...·  2 天前    · 
酒量大的可乐  ·  python中colorbar怎么设置想要的 ...·  昨天    · 
闷骚的鸡蛋面  ·  python中colorbar设置范围_mo ...·  昨天    · 
个性的火柴  ·  在没有数学的Python中，如何接受多个输入 ...·  7 月前    · 
讲道义的山羊  ·  江南吴语是中原人从北方带来的？_私家历史_澎 ...·  9 月前    · 
坏坏的茴香  ·  用Split函数按分隔符拆分文本为数组并写入单元格·  10 月前    · 
满身肌肉的沙滩裤  ·  如何：對文字套用轉換 - WPF .NET ...·  1 年前    · 
慷慨的抽屉  ·  swift ...·  1 年前    · 
link管理  ›  8.3. 从 HTML 文档中提取数据 - Python Documentation
html文件 zip python
https://documentation.help/Python-DIP-zh/extracting_data.html
飘逸的感冒药
7 月前

为了从 HTML 文档中提取数据，将 SGMLParser 类进行子类化，然后对想要捕捉的标记或实体定义方法。

从 HTML 文档中提取数据的第一步是得到某个 HTML 文件。如果在您的硬盘里存放着 HTML 文件，您可以使用 file 函数 将它读出来，但是真正有意思的是从实际的网页得到 HTML 。

例 8.5. urllib 介绍

>>> import urllib 1 >>> sock = urllib.urlopen( "http://diveintopython.org/" ) 2 >>> htmlSource = sock.read() 3 >>> sock.close() 4 >>> print htmlSource 5 <!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN" "http://www.w3.org/TR/html4/loose.dtd"><html><head> <meta http-equiv='Content-Type' content='text/html; charset=ISO-8859-1'> <title>Dive Into Python</title> <link rel='stylesheet' href='diveintopython.css' type='text/css'> <link rev='made' href='mailto: [email protected] '> <meta name='keywords' content='Python, Dive Into Python, tutorial, object-oriented, programming, documentation, book, free'> <meta name='description' content='a free Python tutorial for experienced programmers'> </head> <body bgcolor='white' text='black' link='#0000FF' vlink='#840084' alink='#0000FF'> <table cellpadding='0' cellspacing='0' border='0' width='100%'> <tr><td class='header' width='1%' valign='top'>diveintopython.org</td> <td width='99%' align='right'><hr size='1' noshade></td></tr> <tr><td class='tagline' colspan='2'>Python&nbsp;for&nbsp;experienced&nbsp;programmers</td></tr> [...略...] >>> import urllib, urllister >>> usock = urllib.urlopen( "http://diveintopython.org/" ) >>> parser = urllister.URLLister() >>> parser.feed(usock.read()) 1 >>> usock.close() 2 >>> parser.close() 3 >>> for url in parser.urls: print url 4 toc/index.html #download #languages toc/index.html appendix/history.html download/diveintopython-html-5.0.zip download/diveintopython-pdf-5.0.zip download/diveintopython-word-5.0.zip download/diveintopython-text-5.0.zip download/diveintopython-html-flat-5.0.zip download/diveintopython-xml-5.0.zip download/diveintopython-common-5.0.zip ...略...
 
推荐文章
爱喝酒的篮球  ·  编译出错libicui18n.so.58: undefined reference to `__cxa_throw_bad_array_new_length@CXXABI_1.3.8'_libicui
6 天前
低调的斑马  ·  python - Python中的最大递归深度是多少，如何增加它？ -
2 天前
近视的鸭蛋  ·  vue中select的使用、默认选择、onchange/change事件等操作实例 - 程序新视界
2 天前
酒量大的可乐  ·  python中colorbar怎么设置想要的范围_技术资讯-恒创科技
昨天
闷骚的鸡蛋面  ·  python中colorbar设置范围_mob649e81576de1的技术博客_
昨天
个性的火柴  ·  在没有数学的Python中，如何接受多个输入并检查它是否是一个完美的正方形？ - 腾讯云开发者社区 - 腾讯云
7 月前
讲道义的山羊  ·  江南吴语是中原人从北方带来的？_私家历史_澎湃新闻-The Paper
9 月前
坏坏的茴香  ·  用Split函数按分隔符拆分文本为数组并写入单元格
10 月前
满身肌肉的沙滩裤  ·  如何：對文字套用轉換 - WPF .NET Framework | Microsoft Learn
1 年前
慷慨的抽屉  ·  swift NSClassFromString将字符串类名转换成类_字符串是类名转成类-CSDN博客
1 年前
Link管理   ·   51好读   ·   Sov5搜索   ·   小百科
link管理 - 链接快照平台