[問題] 關於htmlparser的tag

看板Python作者mirror012020 (小B)時間15年前 (2010/09/14 23:43)推噓4(4推 0噓 5→)

留言9則, 2人參與討論串1/1

請問一下，關於tag的問題我抓同一個網頁的資料，有些資料一直抓不出來後來我查attrs發現，只要走到下面這段程式碼的第三行，就會中斷 print attrs 會到[('style', 'height:1.2em;overflow:hidden;word-break:break-all;')] 就停止 <div class="Prod_Desc"> <span class="RedName"> <div style="height:1.2em;overflow:hidden;word-break:break-all;"><a href="/gdsale/gdsale.asp?gdid=2331049 "style="color: #FF0000;">大全配新機~送4G+充電池組+原包...<br></a></div></span> --- 我想抓的是tag=a name=href下的value (也就是/gdsale/gdsale.asp?gdid=XXX) 我想請問該怎麼解決~"~ 我的程式碼如下： class parseLinks2(HTMLParser.HTMLParser): def __init__(self): HTMLParser.HTMLParser.__init__(self) self.myinput=[] def handle_starttag(self, tag, attrs): if tag=='a': for name,value in attrs: if name=='href': self.myinput.append(value) --- 請知道的幫個忙，謝謝! -- ※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 218.172.216.17 ※ 編輯: mirror012020 來自: 218.172.216.17 (09/15 00:24)

推

kaichan

09/15 00:36, , 1^F

09/15 00:36, 1^F

請問要怎麼把style除掉呢？我的想法是 re.search('style',attrs) 如果 is None 才執行，不然就不執行可是 re.search('style',attrs) 一直錯誤，好像是因為attrs是清單，但是我不知道如何取出他>"<

推

seedman

09/15 00:52, , 2^F

09/15 00:52, 2^F

→

seedman

09/15 00:59, , 3^F

09/15 00:59, 3^F

請問~ 手動 re 是這樣寫嗎？ aa = re.match('<a[^>]+href="(.+?)"[^>]+>',scontent2) aa.group(1) 可是一直出現錯誤訊息@@" 我還是搞不懂手動re的意思，是就不用進去htmlparser裡面了嗎？只要把網頁讀出來？! ※ 編輯: mirror012020 來自: 218.172.216.17 (09/15 02:21)

推

seedman

09/15 07:48, , 4^F

09/15 07:48, 4^F

→

seedman

09/15 07:49, , 5^F

09/15 07:49, 5^F

用上面那個寫法，錯誤訊息是AttributeError 'NoneType' object has no attribute 'group' 我用了re.findall有成功叫出來，但是有些也會失誤@@"~ 我請想問一下 <a[^>]+href="(.+?)"[^>]+> 的 "(.+?)"是什麼意思呢？ ※ 編輯: mirror012020 來自: 218.172.216.111 (09/15 17:05)

→

seedman

09/15 18:26, , 6^F

09/15 18:26, 6^F

→

seedman

09/15 18:28, , 7^F

09/15 18:28, 7^F

→

seedman

09/15 18:28, , 8^F

09/15 18:28, 8^F