[問題] 關於htmlparser的tag

[mirror012020 (小B)]

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:先用 re 把 style 除掉？ 我想不到方法的時候會這樣做
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:看來就是內建的htmlparser容錯比較弱 你可以用lxml
→ seedman:不然手動re <a[^>]+href="(.+?)"[^>]+>   group(1)取出
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:就是把網頁當字串來找 發現用re.findall的話連group都不用
→ seedman:你的錯誤訊息是甚麼
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:http://docs.python.org/library/re.html
→ seedman:.任意字元 +?一個以上越短越好 ()把這段群組起來
→ seedman:會NoneType表示沒有找到合pattern的 大概哪裡有錯?
推 kaichan:手動re 我會做在 feed 裡 或是在 feed data 之前
謝謝你們!這個部份我解決囉^^

直接收尋re.findall('<a[^>]+href="(.+?)"', scontent2) 有成功將我要的收集在清單
※ 編輯: mirror012020    來自: 218.172.218.4        (09/21 12:49)