python - 使用 HTMLParser 提取数据

Question

<tr>
  <td style="color: #0000FF;text-align: center"><p>Sam<br/>John<br/></p></td>
</tr>

我正在使用 python HTMLParser module从下面的 html 片段中提取值 Sam 和 John，但是 handle_data 函数只捕获 Sam 而不是 John。

我怎样才能同时获得 Sam 和 John？

Answer 1

您可以拥有一个具有 True/False 值的实例级变量。如果 p 标签开始，则将其设置为 True，如果 p 标签结束，则将其设置为 False。当值为True时，获取handle_data()方法中的数据:

from HTMLParser import HTMLParser

data = """
<tr>
  <td style="color: #0000FF;text-align: center"><p>Sam<br/>John<br/></p></td>
</tr>
"""

class Parser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.recording = False

    def handle_starttag(self, tag, attrs):
        if tag == 'p':
            self.recording = True

    def handle_endtag(self, tag):
        if tag == 'p':
            self.recording = False

    def handle_data(self, data):
        if self.recording:
            print data

parser = Parser()
parser.feed(data)

打印:

Sam
John