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. [Maven] - 安装与Eclipse搭建

    Maven的具体参考书可以看:<Maven实战> 下载maven可以到:http://maven.apache.org/ Maven的eclipse基本使用可以在这里看到:http://w ...

  2. [2014.01.27]wfImage 图像处理组件 3.3

    组件支持多种图片格式,包括bmp,jpg,gif,wmf,emf,ico,png,pcx,tif,tga,pcx,dcx等. 组件提供两种输出接口,包括保存,直接显示(您再也不用定时清理那些临时的垃圾 ...

  3. My Interface

    一.创建Myinterface接口 public interface Myinterface { static final String MyifName="我的接口"; stat ...

  4. Javascript 技巧集(1)

    1. 数组克隆, 使用 slice() 方法 var a1 = [1,2,3,4]; var a2 = a1.slice(); 2. 强制将变量值转化为 bool 类型,前置双感叹号 !! var a ...

  5. C#.Net Mvc运营监控，计算方法/接口/action/页面执行时间

    1.建立一个TimingActionFilter过滤器 public class TimingActionFilter : ActionFilterAttribute { public overrid ...

  6. ASP.NET中控件命名规则

    控件名 简写 控件名 简写 Web 窗体 Label lbl TextBox tb Button btn LinkButton lb HyperLink hl Repeator rpt ImageBu ...

  7. C#动手实践：Kinect V2 开发（1）：初步了解及环境搭建

    该分享使用的是Kinect 二代,C#做为编程语言,请知悉 Kinect是微软在2009年6月2日的E3游戏展上,正式公布的XBOX360体感周边外设.它是一种3D体感摄影机,同时它导入了即时动态捕捉 ...

  8. Android 对话框(Dialog)大全 建立你自己的对话框

    Android 对话框(Dialog)大全 建立你自己的对话框 原文地址: http://www.cnblogs.com/salam/archive/2010/11/15/1877512.html A ...

  9. wcf序列化大对象时报错：读取 XML 数据时，超出最大

    错误为: 访问服务异常:格式化程序尝试对消息反序列化时引发异常: 尝试对参数 http://tempuri.org/ 进行反序列化时出 错: request.InnerException 消息是“反序 ...

  10. Phoenix -修复表索引

    索引的修复可以通过2种方式,(关于pehoenix的索引的生命周期可以参考  https://community.hortonworks.com/articles/58818/phoenix-inde ...