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. Windows下： RubyMine + Ruby On Rails + mysql 搭建开发环境

    最近在接手一个手机项目.在搭建环境的过程中,遇到了一些问题,在下文中已做记录,并奉上个人的解决方案. 开发环境 win2003 ;  JetBrains RubyMine6.3.3 1.  下载最新版 ...

  2. json在项目中的应用大总结

    一.摘要 刚开始接触json的时候,那时候还不太清楚json到底是个什么东西,然后就在项目中使用了它.因为没有搞明白json的本质,所以刚开始使用json的时候走了不少弯路.这次总结一些json的知识 ...

  3. 扩展Redis的Lua调用方式

    Redis是支持Lua脚本的,但是我以为并不方便. 1. SCRIPT LOAD一个字符串拿到一个SHA,首先这个Lua script脚本就很难拿到.Linux一般用cat什么的.但是你作为PHP怎么 ...

  4. Linux 目录配置

    一.Linux 目录配置标准:FHS FHS(Filessystem Hierarchy Standard) 的重点在于规范每个特定的目录下应该要放置什么样子的数据. FHS依据文件系统使用的频繁与否 ...

  5. php 对url 操作类:url拼接、get获取页面、post获取页面(带传参)

    /* * @brief url封装类,将常用的url请求操作封装在一起 * */ class URL{ private $error; public function __construct(){ $ ...

  6. Java数组在内存中是如何存放的

    阅读目录 一维数组 二维数组 数组对象及其引用存放在内存中的哪里? Java中有两种类型的数组: 基本数据类型数组: 对象数组: 当一个对象使用关键字“new”创建时,会在堆上分配内存空间,然后返回对 ...

  7. <网页web工作面试题>

    磨刀不误砍柴工,在百忙之余的中午休息时,我录入一下我的面试题,把基础的知识重新温故,稳固! 1.块级元素和行内元素都有哪些? 答:块级元素:div,form,fildset等 行内元素:hr,p,fo ...

  8. C#:String.Format数字格式化输出 {0:N2} {0:D2} {0:C2}等等

    int a = 12345678; //格式为sring输出//   Label1.Text = string.Format("asdfadsf{0}adsfasdf",a); / ...

  9. Java的常用对象①②

    Java的常用对象① Java的常用对象有很多,这里只对lang包中常用的Object,Date(Calendar,DateFormat,Math),System,Runtime进行介绍.㈠Objec ...

  10. jeecg 扩展封装查询条件 时间段查询

    使用jeecg框架开发的小伙伴们知道,添加查询条件,通常是我们加一个配置(query="true")就可以将该字段设置为查询条件.简单方便.但是这样的配置查询条件仅适用于输入框输入 ...