Question

我正在尝试使用html解析器从页面获取所有链接和图像 http://easyhtmlparser.sourceforge.net/

fd = open('file.html', 'r')
data = fd.read()
fd.close()
html = Html()
dom = html.feed(data)
for ind in dom.sail():
    if ind.name == 'a':
        print ind.attr['ref']

Answer 1

好吧，我不是特别想阅读easyhtmlparser的文档，但是如果你愿意使用Beautiful Soup：

from bs4 import BeautifulSoup
fd = open('file.html', 'r')
data = fd.read()
fd.close()
soup = BeautifulSoup(data)
for link in soup.find_all('a'):
    print(link.get('href')) #or do whatever with it

应该可行，但我还没有测试过。祝你好运！

编辑：现在我有。它有效。

编辑2：要查找图像，搜索所有图像标记等，找到src链接。我相信你可以在Beautiful Soup或easyhtmlparser docs中找到它们。

要下载并放入文件夹，

import urllib
urllib.urlretrieve(IMAGE_URL, path_to_folder/imagename)

或者你可以从urllib中读取，因为最后一切都只是一个字符串，而且读取比检索更简单。

Answer 2

我会这样做。

from ehp import *

with open('file.html', 'r') as fd:
    data = fd.read()

html = Html()
dom = html.feed(data)

for ind in dom.sail():
    if ind.name == 'a':
        print ind.attr['href']
    elif ind.name == 'img':
        print ind.attr['src']

如何使用easyhtmlparser从python文件获取所有链接？

2 个答案: