我一直在使用 HTML Parser 从网站上抓取数据并在这样做的同时剥离 html 编码。我知道各种模块,例如 Beautiful Soup,但决定走不依赖“外部”模块的道路。 Eloff 提供了一个代码:Strip HTML from strings in Python
from HTMLParser import HTMLParser
class MLStripper(HTMLParser):
def __init__(self):
self.reset()
self.fed = []
def handle_data(self, d):
self.fed.append(d)
def get_data(self):
return ''.join(self.fed)
def strip_tags(html):
s = MLStripper()
s.feed(html)
return s.get_data()
它适用于 Python 3.1。但是,我最近升级到 Python 3.2.x,发现上面写的关于 HTML Parser 代码的错误。
我的第一个错误指向该行:
s.feed(html)
...并且错误说...
AttributeError: 'MLStripper' object has no attribute 'strict'
因此,经过一番研究,我将“strict=True”添加到顶行,使其...
class MLStripper(HTMLParser, strict=True)
但是,我收到以下新错误:
TypeError: type() takes 1 or 3 arguments
为了看看会发生什么,我删除了“self”参数并留在了“strict=True”......这放弃了错误:
NameError: global name 'self' is not defined
...我得到了“我在猜测”的感觉。
我不知道
class MLStripper(HTMLParser)
中的第三个参数是什么行将是,在 self
之后和 strict=True
;研究并没有带来任何启示。
最佳答案
您正在继承 HTMLParser
,但你没有调用它的__init__
方法。您需要在 __init__
中添加一行方法:
def __init__(self):
super().__init__()
self.reset()
self.fed = []
此外,对于 Python 3,导入行是:
from html.parser import HTMLParser
通过这些更改,一个简单的示例就可以工作了。不要更改
class
线,没关系。
关于python-3.x - 在 Python 3.2 中使用 HTMLParser,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11061058/