我有一个包含大约 50 个表格的 HTML 页面。每个表具有相同的布局,但具有不同的值,例如:
<table align="right" class="customTableClass">
<tr align="center">
<td width="25" height="25" class="usernum">value1</td>
<td width="25" height="25" class="usernum">value2</td>
<td width="25" height="25" class="usernum">value3</td>
<td width="25" height="25" class="usernum">value4</td>
<td width="25" height="25" class="usernum">value5</td>
<td width="25" height="25" class="usernum">value6</td>
<td width="25" height="25" class="totalnum">otherVal</td>
</tr>
</table>
我的REST 服务器 正在运行django/python 所以在我的urls.py
中我正在调用我的def parse_url():
函数,显然我想在其中完成所有工作。我的问题是,就 python 而言,我几乎是个新手,所以真的不知道把我的代码放在哪里。我从 HTMLParser
python 文档中获取了一些代码,并将其更改如下:
import urllib, urllib2
from django.http import HttpResponse
from HTMLParser import HTMLParser
class MyHTMLParser(HTMLParser):
def handle_starttag(self, tag, attrs):
print "Encountered the beginning of a %s tag" % tag
def handle_endtag(self, tag):
print "Encountered the end of a %s tag" % tag
def handle_data(self, data):
HttpResponse("Encountered data %s" % data)
def parse_url(request):
p = MyHTMLParser()
url = 'http://www.mysite.com/lists.asp'
content = urllib.urlopen(url).read()
p.feed(content)
return HttpResponse('DONE')
这段代码目前没有输出任何有用的信息。它只是打印出 DONE
,这不是很有用。
如何使用类方法,例如 handle_starttag()
?当我使用 p.feed(content)
时,不应该自动调用这些吗??
基本上,我最终想要完成的是,当我转到 mysite.com/showlist
时,能够输出一个列表:
value1
value2
value3
value4
value5
value6
othervalue
这需要在循环中完成,因为每个表中大约有 50 个不同值的表。
感谢您帮助初学者!!
最佳答案
您正在将答案的开头打印到 stdout,而不是 django。以下是让 HTMLParser 执行您的命令的方法:
import urllib, urllib2
from django.http import HttpResponse
from HTMLParser import HTMLParser
class MyHTMLParser(HTMLParser):
def __init__(self, *args, **kwargs):
self.capture_data = False
self.data_list = []
HTMLParser.__init__(self, *args, **kwargs)
def handle_starttag(self, tag, attrs):
if tag == 'td':
self.capture_data = True
def handle_endtag(self, tag):
if tag == 'td':
self.capture_data = False
def handle_data(self, data):
if self.capture_data and data and not data.isspace():
self.data_list.append(data)
def parse_url(request):
p = MyHTMLParser()
url = 'http://www.mysite.com/lists.asp'
content = urllib.urlopen(url).read()
p.feed(content)
return HttpResponse(str(p.data_list))
我建议将类放入 utils.py 文件中,并与 views.py 保存在同一文件夹中。然后将其导入。这将有助于通过仅包含 View 来使您的 views.py 易于管理。
关于python - 如何解析 HTML 表格,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/7381089/