Tôi có thể thêm HTML vào Python không?
|
Mô-đun này định nghĩa một lớp dùng làm cơ sở để phân tích cú pháp các tệp văn bản được định dạng bằng HTML (Ngôn ngữ đánh dấu siêu văn bản) và XHTML lớp html. trình phân tích cú pháp. HTMLParser(* , convert_charrefs=Đúng)Tạo một phiên bản trình phân tích cú pháp có thể phân tích cú pháp đánh dấu không hợp lệ Nếu convert_charrefs là Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html2 (mặc định), tất cả tham chiếu ký tự (ngoại trừ tham chiếu trong phần tử Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html3/ Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html4) sẽ tự động được chuyển đổi thành ký tự Unicode tương ứng Một phiên bản được cung cấp dữ liệu HTML và gọi các phương thức xử lý khi gặp thẻ bắt đầu, thẻ kết thúc, văn bản, nhận xét và các phần tử đánh dấu khác. Người dùng nên phân lớp và ghi đè các phương thức của nó để thực hiện hành vi mong muốn Trình phân tích cú pháp này không kiểm tra xem thẻ kết thúc có khớp với thẻ bắt đầu hay không gọi trình xử lý thẻ kết thúc cho các phần tử được đóng hoàn toàn bằng cách đóng phần tử bên ngoài Đã thay đổi trong phiên bản 3. 4. đã thêm đối số từ khóa convert_charrefs. Đã thay đổi trong phiên bản 3. 5. Giá trị mặc định cho đối số convert_charrefs hiện là Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html2. Ứng dụng trình phân tích cú pháp HTML mẫuNhư một ví dụ cơ bản, dưới đây là một trình phân tích cú pháp HTML đơn giản sử dụng lớp để in ra các thẻ bắt đầu, thẻ kết thúc và dữ liệu khi chúng gặp phải from html.parser import HTMLParser class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Encountered a start tag:", tag) def handle_endtag(self, tag): print("Encountered an end tag :", tag) def handle_data(self, data): print("Encountered some data :", data) parser = MyHTMLParser() parser.feed(' Đầu ra sau đó sẽ là Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html phương pháptrường hợp có các phương pháp sau HTMLParser. nguồn cấp dữ liệu(dữ liệu)Cung cấp một số văn bản cho trình phân tích cú pháp. Nó được xử lý trong chừng mực nó bao gồm các yếu tố hoàn chỉnh; . dữ liệu phải được HTMLParser. đóng()Buộc xử lý tất cả dữ liệu được lưu vào bộ đệm như thể nó được theo sau bởi dấu cuối tệp. Phương thức này có thể được định nghĩa lại bởi một lớp dẫn xuất để xác định quá trình xử lý bổ sung ở cuối đầu vào, nhưng phiên bản được xác định lại phải luôn gọi phương thức của lớp cơ sở HTMLParser. đặt lại()Đặt lại phiên bản. Mất tất cả dữ liệu chưa xử lý. Điều này được gọi ngầm tại thời điểm khởi tạo HTMLParser. nhận vị trí()Trả về số dòng hiện tại và phần bù HTMLParser. get_starttag_text()Trả lại văn bản của thẻ bắt đầu được mở gần đây nhất. Điều này thường không cần thiết cho quá trình xử lý có cấu trúc, nhưng có thể hữu ích trong việc xử lý HTML “khi được triển khai” hoặc để tạo lại đầu vào với những thay đổi tối thiểu (có thể giữ nguyên khoảng trắng giữa các thuộc tính, v.v. ) Các phương thức sau đây được gọi khi gặp dữ liệu hoặc các phần tử đánh dấu và chúng có nghĩa là sẽ bị ghi đè trong một lớp con. Việc triển khai lớp cơ sở không làm gì cả (ngoại trừ) HTMLParser. handle_starttag(tag , attrs)Phương thức này được gọi để xử lý thẻ bắt đầu của một phần tử (e. g. from html.parser import HTMLParser from html.entities import name2codepoint class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Start tag:", tag) for attr in attrs: print(" attr:", attr) def handle_endtag(self, tag): print("End tag :", tag) def handle_data(self, data): print("Data :", data) def handle_comment(self, data): print("Comment :", data) def handle_entityref(self, name): c = chr(name2codepoint[name]) print("Named ent:", c) def handle_charref(self, name): if name.startswith('x'): c = chr(int(name[1:], 16)) else: c = chr(int(name)) print("Num ent :", c) def handle_decl(self, data): print("Decl :", data) parser = MyHTMLParser()6) Đối số thẻ là tên của thẻ được chuyển thành chữ thường. Đối số attrs là một danh sách gồm các cặp from html.parser import HTMLParser from html.entities import name2codepoint class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Start tag:", tag) for attr in attrs: print(" attr:", attr) def handle_endtag(self, tag): print("End tag :", tag) def handle_data(self, data): print("Data :", data) def handle_comment(self, data): print("Comment :", data) def handle_entityref(self, name): c = chr(name2codepoint[name]) print("Named ent:", c) def handle_charref(self, name): if name.startswith('x'): c = chr(int(name[1:], 16)) else: c = chr(int(name)) print("Num ent :", c) def handle_decl(self, data): print("Decl :", data) parser = MyHTMLParser()7 chứa các thuộc tính được tìm thấy bên trong dấu ngoặc _______6_______8 của thẻ. Tên sẽ được dịch sang chữ thường và dấu ngoặc kép trong giá trị đã bị xóa, đồng thời tham chiếu ký tự và thực thể đã được thay thế Chẳng hạn, đối với thẻ from html.parser import HTMLParser from html.entities import name2codepoint class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Start tag:", tag) for attr in attrs: print(" attr:", attr) def handle_endtag(self, tag): print("End tag :", tag) def handle_data(self, data): print("Data :", data) def handle_comment(self, data): print("Comment :", data) def handle_entityref(self, name): c = chr(name2codepoint[name]) print("Named ent:", c) def handle_charref(self, name): if name.startswith('x'): c = chr(int(name[1:], 16)) else: c = chr(int(name)) print("Num ent :", c) def handle_decl(self, data): print("Decl :", data) parser = MyHTMLParser()9, phương thức này sẽ được gọi là >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"0 Tất cả các tham chiếu thực thể từ được thay thế trong các giá trị thuộc tính HTMLParser. handle_endtag(thẻ)Phương thức này được gọi để xử lý thẻ kết thúc của một phần tử (e. g. >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"2) Đối số thẻ là tên của thẻ được chuyển thành chữ thường HTMLParser. handle_startendtag(tag , attrs)Tương tự như , nhưng được gọi khi trình phân tích cú pháp gặp thẻ trống kiểu XHTML ( >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"4). Phương thức này có thể bị ghi đè bởi các lớp con yêu cầu thông tin từ vựng cụ thể này; HTMLParser. handle_data(dữ liệu) Phương thức này được gọi để xử lý dữ liệu tùy ý (e. g. nút văn bản và nội dung của >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"7 và >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"8) Phương thức này được gọi để xử lý một tham chiếu ký tự được đặt tên có dạng >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"9 (e. g. >>> parser.feed('0), trong đó tên là tham chiếu thực thể chung (e. g. >>> parser.feed('1). Phương thức này không bao giờ được gọi nếu convert_charrefs là Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html2HTMLParser. handle_charref(tên) Phương thức này được gọi để xử lý các tham chiếu ký tự số thập phân và thập lục phân có dạng >>> parser.feed('3 và >>> parser.feed('4. Ví dụ: số thập phân tương đương với >>> parser.feed('0 là >>> parser.feed('6, trong khi số thập lục phân là >>> parser.feed('7; . Phương thức này không bao giờ được gọi nếu convert_charrefs là Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html2HTMLParser. handle_comment(dữ liệu) Phương thức này được gọi khi gặp một bình luận (e. g. >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script1) Ví dụ: nhận xét >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script2 sẽ khiến phương thức này được gọi với đối số >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script3 Nội dung của các nhận xét có điều kiện (condcom) của Internet Explorer cũng sẽ được gửi đến phương thức này, vì vậy, đối với >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script4, phương thức này sẽ nhận được >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script5HTMLParser. handle_decl(decl) Phương thức này được gọi để xử lý một khai báo doctype HTML (e. g. >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script6) Tham số decl sẽ là toàn bộ nội dung của khai báo bên trong đánh dấu >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script7 (e. g. >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script8)HTMLParser. handle_pi(dữ liệu) Phương thức được gọi khi gặp hướng dẫn xử lý. Tham số dữ liệu sẽ chứa toàn bộ hướng dẫn xử lý. Ví dụ: đối với hướng dẫn xử lý >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script9, phương thức này sẽ được gọi là >>> parser.feed('' .. '') Comment : a comment Comment : [if IE 9]>IE-specific content0. Nó dự định sẽ bị ghi đè bởi một lớp dẫn xuất; Ghi chú Lớp sử dụng các quy tắc cú pháp SGML để xử lý các hướng dẫn. Hướng dẫn xử lý XHTML sử dụng dấu _____36_______2 sẽ khiến _____36_______2 được đưa vào dữ liệu HTMLParser. unknown_decl(dữ liệu)Phương thức này được gọi khi trình phân tích cú pháp đọc một khai báo không được nhận dạng Tham số dữ liệu sẽ là toàn bộ nội dung khai báo bên trong đánh dấu >>> parser.feed('' .. '') Comment : a comment Comment : [if IE 9]>IE-specific content4. Đôi khi nó hữu ích khi bị ghi đè bởi một lớp dẫn xuất. Việc triển khai lớp cơ sở không làm gì cả ví dụLớp sau triển khai trình phân tích cú pháp sẽ được sử dụng để minh họa thêm các ví dụ from html.parser import HTMLParser from html.entities import name2codepoint class MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print("Start tag:", tag) for attr in attrs: print(" attr:", attr) def handle_endtag(self, tag): print("End tag :", tag) def handle_data(self, data): print("Data :", data) def handle_comment(self, data): print("Comment :", data) def handle_entityref(self, name): c = chr(name2codepoint[name]) print("Named ent:", c) def handle_charref(self, name): if name.startswith('x'): c = chr(int(name[1:], 16)) else: c = chr(int(name)) print("Num ent :", c) def handle_decl(self, data): print("Decl :", data) parser = MyHTMLParser() Phân tích cú pháp một loại tài liệu >>> parser.feed(' .. '"http://www.w3.org/TR/html4/strict.dtd">') Decl : DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd" Phân tích cú pháp một phần tử với một vài thuộc tính và tiêu đề >>> parser.feed(' Nội dung của các phần tử Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html3 và Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html4 được trả về nguyên trạng mà không cần phân tích cú pháp thêm >>> parser.feed('') Start tag: style attr: ('type', 'text/css') Data : #python { color: green } End tag : style >>> parser.feed('') Start tag: script attr: ('type', 'text/javascript') Data : alert("hello!"); End tag : script Phân tích cú pháp nhận xét >>> parser.feed('' .. '') Comment : a comment Comment : [if IE 9]>IE-specific content Phân tích các tham chiếu ký tự có tên và số và chuyển đổi chúng thành ký tự chính xác (lưu ý. 3 tài liệu tham khảo này đều tương đương với >>> parser.feed('' .. '') Comment : a comment Comment : [if IE 9]>IE-specific content7) >>> parser.feed('>>>') Named ent: > Num ent : > Num ent : > Cung cấp các khối không hoàn chỉnh để hoạt động, nhưng có thể được gọi nhiều lần (trừ khi convert_charrefs được đặt thành Encountered a start tag: html Encountered a start tag: head Encountered a start tag: title Encountered some data : Test Encountered an end tag : title Encountered an end tag : head Encountered a start tag: body Encountered a start tag: h1 Encountered some data : Parse me! Encountered an end tag : h1 Encountered an end tag : body Encountered an end tag : html2) |
