[問題] HTMLParser抓連結應用

[zelda312 (song)]

大大好

我找到一個程式如下，可以抓取如：<a href="/intl/zh-TW/about.html"> 之內容

可是我想抓的是<a XXX> XXXX </a> 這樣子的內容

該怎麼做比較好呢？ (XXXX裡也可以有其它tag)

#!/usr/bin/python
# -*- coding: utf-8 -*-
import HTMLParser
import urllib
import sys

#定義HTML解析器
class parseLinks(HTMLParser.HTMLParser):
        def handle_starttag(self, tag, attrs):
                if tag == 'a':
                        for name,value in attrs:
                                #if name == 'href':
                                        print value
                                        print self.get_starttag_text()
#創建HTML解析器的實例
lParser = parseLinks()
#打開HTML文件
lParser.feed(urllib.urlopen("http://google.com.tw").read())
lParser.close()

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 220.133.3.165
→ a761007:最近剛好在玩 我是用lxml etree.parse()建立etree 然後再
→ a761007:用etree.xpath()去找你要的東東
→ kenzou:你可以試試BeautifulSoup
推 okd:lxml 裡面也包含beautifulsoup 的parser 兩個都不錯用
推 kkc:推lxml~~
推 zwai:我也是用lxml 好用