Xiao Meng’s Blog

今天用python中的SGMLParser写了一个HTMLParser功能其实就是将非标签数据抽取出来

import sgmllib
 
class HTMLParser(sgmllib.SGMLParser):
  def __init__(self):
    sgmllib.SGMLParser.__init__(self)
    self.data = ''
  def handle_data(self,data):
    self.data += data
 
def parse(html):
  p = HTMLParser()
  p.feed(html)
  p.close()
  return p.data
 
if __name__ == '__main__':
  f = open("test.html")
  html = f.read()
  print parse(html)

在父类SGMLParser中的handle_data(data)是空的。所以我们只要将相应的操作写在这里就OK了。有点像汇编中的一个中断调用中嵌入的某个中断（好像是INT 10H），你可以为这个中断写代码以完成相应的操作。

继承还是很有用滴^O^

It’s just a test for feedparser.