在学习python的过程中，做练习，解析https://www.python.org/events/python-events/ HTML文件，输出Python官网发布的会议时间、名称和地点。

对html的解析是网页抓取的基础，分析抓取的结果找到自己想要的内容或标签以达到抓取的目的。

HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等，是一种处理html的简便途径。 HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时，就从HTMLParser派生出新的类，然后重新定义这几个以handler_开头的函数即可。

代码如下：

#coding:utf-8

from HTMLParser import HTMLParser

from htmlentitydefs import name2codepoint

import os,string,urllib2

'''

HTMLParser的成员函数: 

    handle_startendtag  处理开始标签和结束标签

    handle_starttag     处理开始标签，比如<xx>

    handle_endtag       处理结束标签，比如</xx>

    handle_charref      处理特殊字符串，就是以&#开头的，一般是内码表示的字符

    handle_entityref    处理一些特殊字符，以&开头的，比如

    handle_data         处理数据，就是<xx>data</xx>中间的那些数据

    handle_comment      处理注释

    handle_decl         处理<!开头的，比如<!DOCTYPE html PUBLIC “-//W3C//DTD HTML 4.01 Transitional//EN”

    handle_pi           处理形如<?instruction>的东西 

'''

class MyHTMLParser(HTMLParser):

    def __init__(self):

        HTMLParser.__init__(self)

        self.flag=None

    def handle_starttag(self, tag, attrs):

        if tag == 'h3' and attrs.__contains__(('class', 'event-title')):

            print '\n\n会议主题:',

            self.flag=True    #在需要打印的块中设置标识

        elif tag == 'time':

            print '\n会议时间:',

            self.flag=True

        elif tag == 'span' and attrs.__contains__(('class', 'event-location')):

            print '\n会议地址:',

            self.flag=True

    def handle_endtag(self, tag):

        if tag in('h3','time','span'):

            self.flag=None

            #print('</%s>' % tag)

    def handle_startendtag(self, tag, attrs):

        #print('<%s/>' % tag)

        pass

    def handle_data(self, data):

        if self.flag:    #判断是需要的值才打印

            print('%s' % data),    #末尾加逗号打印不换行

    def handle_comment(self, data):

        #print('<!-- -->')

        pass

    def handle_entityref(self, name):

        if name == 'ndash':

            print '至',

        else:

            pass

    def handle_charref(self, name):

        #print('&#%s;' % name)

        pass

#f=open('python.html','r++')

#data=f.read()

#f.close()

pyhtml=urllib2.urlopen('https://www.python.org/events/python-events/').read()

parser = MyHTMLParser()

parser.feed(pyhtml)

执行结果：

[root@study lzc]# python h.py 

会议主题: PyCon US

会议时间:  May  至   June

会议地址: Portland, Oregon, United States 

会议主题: PyConTW  in Taiwan

会议时间:  June  至   June

会议地址: Academia Sinica,  Academia Road, Section , Nankang, Taipei , Taiwan  

会议主题: GeoPython

会议时间:  June  至   June

会议地址: University of Applied Sciences and Arts Northwestern Switzerland, Basel, Switzerland 

会议主题: PyCon Singapore

会议时间:  June  至   June

会议地址: National University of Singapore, School of Computing, Computing ,  Computing Drive, Singapore , Republic of Singapore 

会议主题: PyGotham

会议时间:  July  至   July

会议地址: New York, NY, USA 

会议主题: EuroPython

会议时间:  July  至   July

会议地址: ECC, Bilbao, Basque Country, Spain 

会议主题: PyData Berlin

会议时间:  May  至   May

会议地址: Kosmos, Karl-Marx-Allee 131a,  Berlin, Germany 

会议主题: SciPy Latin America

会议时间:  May  至   May

会议地址: Florianópolis - State of Santa Catarina, Brazil

python学习（解析python官网会议安排）的更多相关文章

  1. go语言，golang学习笔记1 官网下载安装，中文社区，开发工具LiteIDE

    go语言,golang学习笔记1 官网下载安装,中文社区,开发工具LiteIDE Go语言是谷歌2009发布的专门针对多处理器系统应用程序的编程进行了优化,使用Go编译的程序可以媲美C或C++代码的速 ...

  2. Python学习day09 - Python进阶（3）

    figure:last-child { margin-bottom: 0.5rem; } #write ol, #write ul { position: relative; } img { max- ...

  3. Python学习day05 - Python基础(3) 格式化输出和基本运算符

    figure:last-child { margin-bottom: 0.5rem; } #write ol, #write ul { position: relative; } img { max- ...

  4. Python 3.6.3 官网 下载 安装 测试 入门教程 (windows)

    1. 官网下载 Python 3.6.3 访问 Python 官网 https://www.python.org/ 点击 Downloads => Python 3.6.3 下载 Python ...

  5. python 笔记1：官网下载及安装python；eclipse中安装配置pydev

    1  下载安装python. 官网:https://www.python.org/downloads/     根据自己的操作系统选择需要的版本下载并安装. 我的电脑操作系统windows xp的,只 ...

  6. Beam编程系列之Python SDK Quickstart（官网的推荐步骤）

    不多说,直接上干货! https://beam.apache.org/get-started/quickstart-py/ Beam编程系列之Java SDK Quickstart(官网的推荐步骤)

  7. 【Spark深入学习 -16】官网学习SparkSQL

    ----本节内容-------1.概览        1.1 Spark SQL        1.2 DatSets和DataFrame2.动手干活        2.1 契入点:SparkSess ...

  8. 【Python学习 】Python实现的FTP上传和下载功能

    一.背景 最近公司的一些自动化操作需要使用Python来实现FTP的上传和下载功能.因此参考网上的例子,撸了一段代码来实现了该功能,下面做个记录. 二.ftplib介绍 Python中默认安装的ftp ...

  9. python学习: 优秀Python学习资源收集汇总--转

    Python是一种面向对象.直译式计算机程序设计语言.它的语法简捷和清晰,尽量使用无异义的英语单词,与其它大多数程序设计语言使用大括号不一样,它使用縮进来定义语句块.与Scheme.Ruby.Perl ...

随机推荐

  1. knockout+bootstrap--一些复杂的应用合集

    一.针对My97日历控件的绑定 普通绑定和特殊格式绑定(红色部分) <!-- ko foreach: items --> <td class="ruyeeTableTDLa ...

  2. C#读取文件夹大小

    今天需要做一个读取文件夹大小的功能,为了避免遍历文件夹下所有文件并求出总大小,找到如下的好方法: 首先要在项目中引用一个COM组件:Microsoft Scripting Runtime,这个在Ref ...

  3. vscode配置

    默认的挺难看的 颜色主题换成 Monokai Dimmed 用户设置 // 将设置放入此文件中以覆盖默认设置 { "editor.fontFamily": "Monaco ...

  4. git如何设置账号密码

    查看已设配置 git config --list 修改GIT全局用户名 git config --global user.name [username] 修改GIT全局邮箱 git config -- ...

  5. 关于Windows2008服务器设置MIME后仍然无法播放MP4的解决方法

    最近遇到了一个非常邪门的故障,重新安装了Windows2008服务器后 Mp4无法正常播放: 整个互联网中关于设置MP4的方法基本都是教你如何在IIS中设置MIME 本文讨论的不是如何教你设置MIME ...

  6. not子查询中有null值的时候 not in 会失效

    not in子查询中有null值的时候 not in 会失效 但是 in 的子查询中有null的 不会失效

  7. C# MVC 微信支付之微信模板消息推送

    微信支付之微信模板消息推送                    今天我要跟大家分享的是"模板消息"的推送,这玩意呢,你说用途嘛,那还是真真的牛逼呐.原因在哪?就是因为它是依赖微信 ...

  8. Run Loop详解

    Run loops是线程的基础架构部分.一个run loop就是一个事件处理循环,用来不停的调配工作以及处理输入事件.使用run loop的目的是使你的线程在有工作的时候工作,没有的时候休眠. Run ...

  9. git学习1：git安装和配置

    Git是什么?世界上最先进的分布式版本控制系统,记录了一个文本文件的每次一修改信息,比如,一篇散文,从草稿到最终出版,经历过无数次修改,修改了标点符号形成一个版本,老师帮助修改形成一个版本,同学帮忙修 ...

  10. 用delphi实现rar文件的解压的方法

    http://blog.csdn.net/ad_home/article/details/2818936 准备工作     下载winrar提供的动态链接库unrar.dll     http://w ...