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. [2016.01.22]万峰文本处理专家 v2.1

    <万峰文本处理专家>是一款简单易用,且功能强大的各类文本文件处理软件.1.支持多任务的处理模式,允许一次处理多个任务.2.支持正则表达式替换,替换更加强大:3.支持各类关键字的行处理操作: ...

  2. CANVAS 水波动态背景

    参考:https://github.com/cyclegtx/wave_background 做的水波背景,以后可能会用到哈! 效果如下: 代码如下: <!DOCTYPE html> &l ...

  3. apache 使用 .htaccess 导致500错误

    今天在win主机上配置了一个apache+mysql+php 的环境,一切看似正常了.结果将程序转移过来,打开网站的时候,出现了500错误.于是乎查原因: 首先,怀疑的是连接mysql出错了,找出配置 ...

  4. [LeetCode] 14. Longest Common Prefix

    Write a function to find the longest common prefix string amongst an array of strings. public class ...

  5. 黄聪：日租VPS中FileZilla_Server配置方法

    1.关闭VPS中IIS的FTP服务 2.FileZilla_Server 监听端口 21 3.FTP客户端端口为11311(看服务商给出的)

  6. Spring 事务注解 错误问题

    碰到个问题,在一个springmvc项目中,设置好事务,然后在service上添加@Transactional注解,只要一添加这个注解,该service就无法被spring创建成功, error cr ...

  7. 关于Spring

    Jetty默认采用NIO结束在处理I/O请求上更占优势,在处理静态资源时,性能较高.Tomcat默认采用BIO处理I/O请求,在处理静态资源时,性能较差. 依赖注入的意义:让组件依赖于抽象,当组件要与 ...

  8. XPath Checker和Firebug安装与使用

    一.XPath Checker和Firebug简介 XPath Checker和Firebug是写爬虫过程中提取数据的非常有用的插件工具,直接打开火狐浏览器的菜单就可以下载 二.XPath Check ...

  9. Unity关于获取游戏对象

    我觉得Unity里面的Transform 和 GameObject就像两个双胞胎兄弟一样,这俩哥们很要好,我能直接找到你,你也能直接找到我.我看很多人喜欢在类里面去保存GameObject对象.解决G ...

  10. C++坑点集合 - 1 隐式调用和默认实现的构造函数的坑

    C++是一个编译器会替你在背后做很多事情的语言,包括模板实例化,按需要创造隐式的构造函数,默认构造你没有显式构造的成员,按需进行隐式转换和饮食构造等等,如果没有彻底了解清楚,就容易被这些编译器背后做好 ...