python學習（解析python官網會議安排）

時間 2019-12-08

原文原文鏈接

在學習python的過程當中，作練習，解析https://www.python.org/events/python-events/ HTML文件，輸出Python官網發佈的會議時間、名稱和地點。html

對html的解析是網頁抓取的基礎，分析抓取的結果找到本身想要的內容或標籤以達到抓取的目的。 python

HTMLParser是python用來解析html的模塊。它能夠分析出html裏面的標籤、數據等等，是一種處理html的簡便途徑。 HTMLParser採用的是一種事件驅動的模式，當HTMLParser找到一個特定的標記時，它會去調用一個用戶定義的函數，以此來通知程序處理。它主要的用戶回調函數的命名都是以handler_開頭的，都是HTMLParser的成員函數。當咱們使用時，就從HTMLParser派生出新的類，而後從新定義這幾個以handler_開頭的函數便可。函數

代碼以下：學習

#coding:utf-8
from HTMLParser import HTMLParser
from htmlentitydefs import name2codepoint
import os,string,urllib2

'''
HTMLParser的成員函數: 
 
    handle_startendtag  處理開始標籤和結束標籤 
    handle_starttag     處理開始標籤，好比<xx> 
    handle_endtag       處理結束標籤，好比</xx> 
    handle_charref      處理特殊字符串，就是以&#開頭的，通常是內碼錶示的字符 
    handle_entityref    處理一些特殊字符，以&開頭的，好比   
    handle_data         處理數據，就是<xx>data</xx>中間的那些數據 
    handle_comment      處理註釋 
    handle_decl         處理<!開頭的，好比<!DOCTYPE html PUBLIC 「-//W3C//DTD HTML 4.01 Transitional//EN」 
    handle_pi           處理形如<?instruction>的東西 
 
'''
class MyHTMLParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.flag=None

    def handle_starttag(self, tag, attrs):
        if tag == 'h3' and attrs.__contains__(('class', 'event-title')):
            print '\n\n會議主題:',
            self.flag=True    #在須要打印的塊中設置標識
        elif tag == 'time':
            print '\n會議時間:',
            self.flag=True
        elif tag == 'span' and attrs.__contains__(('class', 'event-location')):
            print '\n會議地址:',
            self.flag=True

    def handle_endtag(self, tag):
        if tag in('h3','time','span'):
            self.flag=None
            #print('</%s>' % tag)

    def handle_startendtag(self, tag, attrs):
        #print('<%s/>' % tag)
        pass

    def handle_data(self, data):
        if self.flag:    #判斷是須要的值纔打印
            print('%s' % data),    #末尾加逗號打印不換行

    def handle_comment(self, data):
        #print('<!-- -->')
        pass

    def handle_entityref(self, name):
        if name == 'ndash':
            print '至',
        else:
            pass

    def handle_charref(self, name):
        #print('&#%s;' % name)
        pass

        
#f=open('python.html','r++')
#data=f.read()
#f.close()
pyhtml=urllib2.urlopen('https://www.python.org/events/python-events/').read()
parser = MyHTMLParser()
parser.feed(pyhtml)

執行結果：url

[root@study lzc]# python h.py 


會議主題: PyCon US 2016 
會議時間: 28 May  至  06 June   2016 
會議地址: Portland, Oregon, United States 

會議主題: PyConTW 2016 in Taiwan 
會議時間: 03 June  至  06 June   2016 
會議地址: Academia Sinica, 128 Academia Road, Section 2, Nankang, Taipei 11529, Taiwan  

會議主題: GeoPython 2016 
會議時間: 22 June  至  25 June   2016 
會議地址: University of Applied Sciences and Arts Northwestern Switzerland, Basel, Switzerland 

會議主題: PyCon Singapore 2016 
會議時間: 23 June  至  26 June   2016 
會議地址: National University of Singapore, School of Computing, Computing 1, 13 Computing Drive, Singapore 117417, Republic of Singapore 

會議主題: PyGotham 2016 
會議時間: 16 July  至  18 July   2016 
會議地址: New York, NY, USA 

會議主題: EuroPython 2016 
會議時間: 17 July  至  25 July   2016 
會議地址: ECC, Bilbao, Basque Country, Spain 

會議主題: PyData Berlin 2016 
會議時間: 20 May  至  22 May   2016 
會議地址: Kosmos, Karl-Marx-Allee 131a, 10243 Berlin, Germany 

會議主題: SciPy Latin America 2016 
會議時間: 16 May  至  21 May   2016 
會議地址: Florianópolis - State of Santa Catarina, Brazil