Question

我一直在使用HTML Parser从网站上删除数据并在执行此操作时删除html编码。我知道各种各样的模块，比如Beautiful Soup，但我决定不依赖于“外部”模块。 Eloff提供了一个代码：Strip HTML from strings in Python

from HTMLParser import HTMLParser

class MLStripper(HTMLParser):
    def __init__(self):
        self.reset()
        self.fed = []
    def handle_data(self, d):
        self.fed.append(d)
    def get_data(self):
        return ''.join(self.fed)

def strip_tags(html):
    s = MLStripper()
    s.feed(html)
    return s.get_data()

它适用于Python 3.1。但是，我最近升级到Python 3.2.x并且发现我得到了关于HTML Parser代码的错误，如上所述。

我的第一个错误指向该行：

s.feed(html)

......错误说......

AttributeError: 'MLStripper' object has no attribute 'strict'

因此，经过一番研究后，我在顶线添加了“strict = True”，使其成为......

class MLStripper(HTMLParser, strict=True)

但是，我收到了新的错误：

TypeError: type() takes 1 or 3 arguments

要看看会发生什么，我删除了“self”参数并留在“strict = True”中......这放弃了错误：

NameError: global name 'self' is not defined

......我得到了“我猜测猜测”的感觉。

在class MLStripper(HTMLParser)和self之后，我不知道strict=True行中的第三个参数是什么。研究没有任何启示。

Answer 1

您是HTMLParser的子类，但您没有调用其__init__方法。您需要在__init__方法中添加一行：

def __init__(self):
    super().__init__()
    self.reset()
    self.fed = []

此外，对于Python 3，导入行是：

from html.parser import HTMLParser

通过这些更改，一个简单的示例可行。请勿更改与class不相关的行。

在Python 3.2中使用HTMLParser

1 个答案: