在Python 3.2中使用HTMLParser

Question

我一直在使用HTML Parser从网站上删除数据并剥离html编码。我知道各种模块，比如美丽的汤，但是决定走上不依赖于“外部”模块的道路。有一个由Eloff提供的代码：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() 

它在Python 3.1中起作用。不过，我最近升级到了Python 3.2.x，并发现我在上面编写的HTML解析器代码中遇到了错误。

我的第一个错误点到线：

s.feed(html) 

...和错误说...

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

因此，一些研究之后，我添加了“严=真“来顶线，使得它...

class MLStripper(HTMLParser, strict=True) 

不过，我得到的新的错误：

TypeError: type() takes 1 or 3 arguments 

，看看会发生什么，我删除了“自我”的说法，并在“严=真” ......这给了错误左：

NameError: global name 'self' is not defined 

...和我“我猜猜猜”的感觉。

我不知道class MLStripper(HTMLParser)行中的第三个参数是self和strict=True之后的第三个参数;研究并没有抛弃任何启示。

Answer 1

您正在继承HTMLParser，但您并未调用其方法__init__。你需要一个行添加到您__init__方法：

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

此外，为Python 3，进口线为：

from html.parser import HTMLParser 

有了这些变化，一个简单的例子工程。不要更改class行，这是不相关的。