Gracias, por resolver mi duda, aunque el script no me funciono supongo
por que al tener doctypes u algo malformado. Alguna sugerencia en como
ignorar el parsing a partir de ciertas lineas como el <body>? Auqnue
no sean parte de HTML.parse.
Gracias.
On 8/6/14, Kiko <kikocorre...@gmail.com> wrote:
> Hola.
>
> Un ejemplo sencillo con HTMLParser:
>
> *# Importamos librerías*
> *import requests*
> *from html.parser import HTMLParser*
>
> *# Primero cojo unos datos con requests*
> *# Si no tienes requests puedes usar urllib*
> *data = str(requests.get("http://pybonacci.org
> <http://pybonacci.org>").content)*
>
> *# Creo una clase para el uso que le quiero dar a HTMLParser*
> *class Parser(HTMLParser):*
> * def handle_starttag(self, tag, attrs):*
> * if tag == 'img':*
> * print("Start tag:", tag)*
> * for attr in attrs:*
> * if attr[0] == 'src':*
> * print(attr[1])*
>
> *# Et voilá*
> *parser = Parser()*
> *parser.feed(data)*
>
> Adapta la clase Parser al uso que le vayas a dar y listo. Mira los métodos
> handle_data, etc, en los ejemplos en [1].
>
> El código anterior es Python3, en Python2 deberás cambiar alguna cosita.
>
> [1] https://docs.python.org/3.4/library/html.parser.html
>
>
>
> El 5 de agosto de 2014, 17:31, Alexandro Colorado <j...@oooes.org> escribió:
>
>> Y en html.parser hay una opcion para seleccionar el tag a parsear?
>>
>> On 8/5/14, lasizoillo <lasizoi...@gmail.com> wrote:
>> > El día 4 de agosto de 2014, 23:53, Miguel Beltran R.
>> > <yourpa...@gmail.com> escribió:
>> >> No conozco html.parser pero si tu codigo HTML esta bien escribo
>> >> podrias
>> >> usar
>> >> lxml y hacer una busqueda con el (cosa que no recuerdo como se hace,
>> pero
>> >> creo que si la tenía)
>> >>
>> >
>> > Coincido con la recomendación de lxml.
>> >
>> > Puede parsear html
>> > http://lxml.de/parsing.html#parsing-html
>> >
>> > Se pueden usar selectores css:
>> > http://lxml.de/cssselect.html
>> > y xpath:
>> > http://lxml.de/xpathxslt.html
>> >
>> > Aparte de eso, funciona muy bien con ficheros muy grandes
>> >
>> http://stackoverflow.com/questions/9856163/using-lxml-and-iterparse-to-parse-a-big-1gb-xml-file
>> >
>> > Un saludo,
>> >
>> > javi
>> >
>> >>
>> >> 2014-08-04 15:02 GMT-05:00 Alexandro Colorado <j...@oooes.org>:
>> >>
>> >>> Saludos una pregunta sencilla. Quiero seleccionar una etiqueta por su
>> >>> clase dentro de un html usando html.parser de python 3.2.
>> >>>
>> >>> El html es grande, y aunque he podido parsear cosas como starttag, y
>> >>> data, ahora quiero limitar el html a unicamente las clases que
>> >>> necesito. En este caso el tag es
>> >>> <td class="ticket">Costo</td>
>> >>> <td class="value">$ 432.23</td>
>> >>>
>> >>> Gracias.
>> >>>
>> >>> --
>> >>> Alexandro Colorado
>> >>> Apache OpenOffice Contributor
>> >>> 882C 4389 3C27 E8DF 41B9 5C4C 1DB7 9D1C 7F4C 2614
>> >>> _______________________________________________
>> >>> Python-es mailing list
>> >>> Python-es@python.org
>> >>> https://mail.python.org/mailman/listinfo/python-es
>> >>> FAQ: http://python-es-faq.wikidot.com/
>> >>
>> >>
>> >>
>> >>
>> >> --
>> >> ________________________________________
>> >> Lo bueno de vivir un dia mas
>> >> es saber que nos queda un dia menos de vida
>> >>
>> >> _______________________________________________
>> >> Python-es mailing list
>> >> Python-es@python.org
>> >> https://mail.python.org/mailman/listinfo/python-es
>> >> FAQ: http://python-es-faq.wikidot.com/
>> >>
>> > _______________________________________________
>> > Python-es mailing list
>> > Python-es@python.org
>> > https://mail.python.org/mailman/listinfo/python-es
>> > FAQ: http://python-es-faq.wikidot.com/
>> >
>>
>>
>> --
>> Alexandro Colorado
>> Apache OpenOffice Contributor
>> 882C 4389 3C27 E8DF 41B9 5C4C 1DB7 9D1C 7F4C 2614
>> _______________________________________________
>> Python-es mailing list
>> Python-es@python.org
>> https://mail.python.org/mailman/listinfo/python-es
>> FAQ: http://python-es-faq.wikidot.com/
>>
>
--
Alexandro Colorado
Apache OpenOffice Contributor
882C 4389 3C27 E8DF 41B9 5C4C 1DB7 9D1C 7F4C 2614
_______________________________________________
Python-es mailing list
Python-es@python.org
https://mail.python.org/mailman/listinfo/python-es
FAQ: http://python-es-faq.wikidot.com/
