Python - triviální HTML parser: Porovnání verzí
m triviální HTML parser |
m triviální HTML parser |
||
| Řádek 23: | Řádek 23: | ||
def handle_data(self, data): | def handle_data(self, data): | ||
"Tisk textu ve značce | "Tisk textu ve značce PRE " | ||
if self.inside_pre: | if self.inside_pre: | ||
| Řádek 29: | Řádek 29: | ||
def start_pre(self, data): | def start_pre(self, data): | ||
"Zpracovaní otevirací značky | "Zpracovaní otevirací značky PRE " | ||
self.inside_pre = 1 | self.inside_pre = 1 | ||
def end_pre(self): | def end_pre(self): | ||
"Zpracovaní koncové značky | "Zpracovaní koncové značky /PRE " | ||
self.inside_pre = 0 | self.inside_pre = 0 | ||
Verze z 30. 5. 2007, 13:52
Program definuje triviální uživatelskou třídu Parser, načte ze zadaného URL HTML stránku a vypíše na standardní výstup preformátovaný text dané stránky, tj. text uzavřený ve značce/značkách <pre>
#!/usr/bin/python
# coding=utf-8
import sgmllib
class Parser(sgmllib.SGMLParser):
"Triviální HTML parser, vypiše obsah značky/značek <pre>"
# podle http://www.boddie.org.uk/python/HTML.html
def parse(self, s):
"Zpracuje zadaný řetězec 's'."
self.feed(s)
self.close()
def __init__(self, verbose=0):
"Inicializace objektu, 'verbose' se předává rodičovské třídě"
sgmllib.SGMLParser.__init__(self, verbose)
self.inside_pre = 0
def handle_data(self, data):
"Tisk textu ve značce PRE "
if self.inside_pre:
print data,
def start_pre(self, data):
"Zpracovaní otevirací značky PRE "
self.inside_pre = 1
def end_pre(self):
"Zpracovaní koncové značky /PRE "
self.inside_pre = 0
import urllib
usock = urllib.urlopen("http://gama.fsv.cvut.cz/wiki/index.php?title=Python_-_trivi%C3%A1ln%C3%AD_HTML_parser")
page = usock.read()
usock.close()
parser = Parser()
parser.parse(page)