Python - triviální HTML parser - Historie editací

Landa v 3. 4. 2012, 10:06

2012-04-03T10:06:32Z

← Starší verze		Verze z 3. 4. 2012, 10:06
Řádek 44:		Řádek 44:
	import urllib		import urllib

	usock = urllib.urlopen('http://~~gama~~.fsv.cvut.cz/~~wiki~~/~~index.php?title=~~Python_-_trivi%C3%A1ln%C3%AD_HTML_parser')		usock = urllib.urlopen('http://geo.fsv.cvut.cz/gwiki/Python_-_trivi%C3%A1ln%C3%AD_HTML_parser')

	page = usock.read()		page = usock.read()

Landa v 3. 4. 2012, 10:05

2012-04-03T10:05:52Z

← Starší verze		Verze z 3. 4. 2012, 10:05
Řádek 3:		Řádek 3:
	'''Poznámka:''' jde o příklad parseru řízeného událostmi, tj. parseru ve kterém definujeme ''call-back funkce'' pro zpracování událostí (v tomto případě HTML značek, resp. značky PRE).		'''Poznámka:''' jde o příklad parseru řízeného událostmi, tj. parseru ve kterém definujeme ''call-back funkce'' pro zpracování událostí (v tomto případě HTML značek, resp. značky PRE).

	<~~pre~~>		<source lang=python>
	#!/usr/bin/python		#!/usr/bin/python
	# coding=utf-8		# coding=utf-8
Řádek 51:		Řádek 51:
	parser = Parser()		parser = Parser()
	parser.parse(page)		parser.parse(page)
	</~~pre~~>		</source>

	~~[[Category:Programování]]~~		{{Python}}
	~~[[Category:~~Python]]

Landa: pridany kategorie (prog, python)

2007-05-31T14:50:03Z

pridany kategorie (prog, python)

← Starší verze		Verze z 31. 5. 2007, 14:50
Řádek 52:		Řádek 52:
	parser.parse(page)		parser.parse(page)
	</pre>		</pre>

			[[Category:Programování]]
			[[Category:Python]]

Cepek: triviální HTML parser

2007-05-30T14:21:41Z

triviální HTML parser

← Starší verze		Verze z 30. 5. 2007, 14:21
Řádek 1:		Řádek 1:
	Program definuje triviální uživatelskou třídu Parser, načte ze zadaného URL HTML stránku a vypíše na standardní výstup preformátovaný text dané stránky, tj. text uzavřený ve značce/značkách <tt><pre></tt>		Program definuje triviální uživatelskou třídu Parser, načte ze zadaného URL HTML stránku a vypíše na standardní výstup preformátovaný text dané stránky, tj. text uzavřený ve značce/značkách <tt><pre></tt>

			'''Poznámka:''' jde o příklad parseru řízeného událostmi, tj. parseru ve kterém definujeme ''call-back funkce'' pro zpracování událostí (v tomto případě HTML značek, resp. značky PRE).

	<pre>		<pre>

Cepek v 30. 5. 2007, 13:55

2007-05-30T13:55:39Z

← Starší verze		Verze z 30. 5. 2007, 13:55
Řádek 42:		Řádek 42:
	import urllib		import urllib

	usock = urllib.urlopen("http://gama.fsv.cvut.cz/wiki/index.php?title=Python_-_trivi%C3%A1ln%C3%AD_HTML_parser")		usock = urllib.urlopen('http://gama.fsv.cvut.cz/wiki/index.php?title=Python_-_trivi%C3%A1ln%C3%AD_HTML_parser')

	page = usock.read()		page = usock.read()

Cepek: triviální HTML parser

2007-05-30T13:52:13Z

triviální HTML parser

← Starší verze		Verze z 30. 5. 2007, 13:52
Řádek 23:		Řádek 23:

	def handle_data(self, data):		def handle_data(self, data):
	"Tisk textu ve značce ~~'pre'~~"		"Tisk textu ve značce PRE "

	if self.inside_pre:		if self.inside_pre:
Řádek 29:		Řádek 29:

	def start_pre(self, data):		def start_pre(self, data):
	"Zpracovaní otevirací značky ~~'pre'~~"		"Zpracovaní otevirací značky PRE "

	self.inside_pre = 1		self.inside_pre = 1

	def end_pre(self):		def end_pre(self):
	"Zpracovaní koncové značky '/~~pre'~~"		"Zpracovaní koncové značky /PRE "

	self.inside_pre = 0		self.inside_pre = 0

Cepek: triviální HTML parser

2007-05-30T13:51:18Z

triviální HTML parser

← Starší verze		Verze z 30. 5. 2007, 13:51
Řádek 2:		Řádek 2:

	<pre>		<pre>
	#!/usr/bin/python coding=utf-8		#!/usr/bin/python
			# coding=utf-8

	import sgmllib		import sgmllib

Cepek: triviální HTML parser

2007-05-30T13:49:59Z

triviální HTML parser

← Starší verze		Verze z 30. 5. 2007, 13:49
Řádek 22:		Řádek 22:

	def handle_data(self, data):		def handle_data(self, data):
	"Tisk textu ve značce <pre>"		"Tisk textu ve značce 'pre'"

	if self.inside_pre:		if self.inside_pre:
Řádek 28:		Řádek 28:

	def start_pre(self, data):		def start_pre(self, data):
	"Zpracovaní otevirací značky <pre>"		"Zpracovaní otevirací značky 'pre'"

	self.inside_pre = 1		self.inside_pre = 1

	def end_pre(self):		def end_pre(self):
	"Zpracovaní koncové značky </pre>"		"Zpracovaní koncové značky '/pre'"

	self.inside_pre = 0		self.inside_pre = 0

Cepek: triviální HTML parser

2007-05-30T13:49:02Z

triviální HTML parser

Nová stránka

Program definuje triviální uživatelskou třídu Parser, načte ze zadaného URL HTML stránku a vypíše na standardní výstup preformátovaný text dané stránky, tj. text uzavřený ve značce/značkách <tt><pre></tt>

<pre>
#!/usr/bin/python coding=utf-8

import sgmllib

class Parser(sgmllib.SGMLParser):
"Triviální HTML parser, vypiše obsah značky/značek <pre>"
# podle http://www.boddie.org.uk/python/HTML.html

def parse(self, s):
"Zpracuje zadaný řetězec 's'."
self.feed(s)
self.close()

def __init__(self, verbose=0):
"Inicializace objektu, 'verbose' se předává rodičovské třídě"

sgmllib.SGMLParser.__init__(self, verbose)
self.inside_pre = 0

def handle_data(self, data):
"Tisk textu ve značce <pre>"

if self.inside_pre:
print data,

def start_pre(self, data):
"Zpracovaní otevirací značky <pre>"

self.inside_pre = 1

def end_pre(self):
"Zpracovaní koncové značky </pre>"

self.inside_pre = 0

import urllib

usock = urllib.urlopen("http://gama.fsv.cvut.cz/wiki/index.php?title=Python_-_trivi%C3%A1ln%C3%AD_HTML_parser")

page = usock.read()
usock.close()

parser = Parser()
parser.parse(page)
</pre>