Python网络编程基础笔记-从百度MP3搜索结果中提取歌曲列表
1.使用HTMLParser从百度MP3搜索结果中提取歌曲列表
"""
从百度MP3搜索结果中提取歌曲列表
方法是:使用数据结构---栈和级别来实现
1.将没有经过的tag全部入栈,经过的全部出栈
2.HTML语法错误处理使用级别来实现,栈顶的tag级别最低,如果高级别的tag要出栈,它会先将低级别的tag先出栈,这样可以避免遗漏的错误
3.对于错误的处理,先查找是否在栈内,如果没有则直接舍弃.
4.每次新的tag入栈,将data清空
5.针对特定的网页进行分析,百度MP3列表比较简单,使用歌曲列表的ID即可.
6.注意:attr = value使用时,value应使用"",否则python报错"junk characters in start tag"
"""
from HTMLParser import HTMLParser
from htmlentitydefs import *
import sys,re
class SongsParser(HTMLParser):
def __init__(self):
# 记录没有遇到/tag>的tag
self.taglevels = []
# 需要处理的tags
self.handledtags = ["table","th","td","tr"]
# 当前正在处理的tag
self.processing = None
self.songs = 0
HTMLParser.__init__(self)
def handle_starttag(self,tag,attrs):
if len(self.taglevels) and self.taglevels[-1] == tag:
"""前一个tag与当前的tag相同,则认为是unbalance tag,进行处理"""
self.handle_endtag(tag)
# 将当前的tag入栈(1)
self.taglevels.append(tag)
"""百度搜索结果歌曲以表格的形式显示,这个表格的ID为"Tbs",处理时只对此表格的内容处理,其他的表格数据忽略"""
if tag == "table":
for item in attrs:
if item[0] == "id" and item[1] == "Tbs":
self.songs = 1
# 如果当前的tag需要处理,先清空data,并将tag设置为当前处理(4)
if tag in self.handledtags:
self.data = ""
self.processing = tag
def handle_data(self,data):
"""如果是需要处理的tag,直接将其追加"""
if self.processing:
self.data += data
def handle_endtag(self,tag):
if not tag in self.taglevels:
"""如果tag不在栈中,认为此tag为一非法,不予处理(3)"""
return
while len(self.taglevels):
# 取得栈顶tag
starttag = self.taglevels.pop()
# 如果是要处理的tag,调用处理函数
if starttag in self.handledtags:
self.finishprocessing(starttag)
# 如果此tag与starttag相同表示,这个level的tag完成处理,停止循环;否则继续,
# 直到此级别一下的tag全部处理(2)
if starttag == tag:
break
def cleanse(self):
"""删除多余的空格"""
self.data = re.sub("\s+"," ",self.data)
def finishprocessing(self,tag):
self.cleanse()
if tag == "title" and tag == self.processing:
print "Title = ",self.data
elif tag == "tr" and self.songs == 1:
print("")
elif tag == "td" and tag == self.processing and self.songs == 1:
sys.stdout.write("\t" + self.data)
elif tag == "table":
"""歌曲表格中没有内嵌的表格,所以可以看到是就将songs置为0,歌曲列表已经完成"""
self.songs = 0
self.processing = None
fd = open("JCParseHtmlSongs.htm")
tp = SongsParser()
tp.feed(fd.read())
fd.close()
2.输出结果
1 彩虹 第二主打 周杰伦 我很忙 试听 歌词 4.0 M wma
2 彩虹 OS版 zoelee bbs jayfc com 周杰伦 我很忙 试听 歌词 6.1 M mp3
3 彩虹 OS版 zoelee bbs jayfc com 周杰伦 我很忙 试听 歌词 6.1 M mp3
4 彩虹 周杰伦 我很忙 试听 歌词 3.1 M mp3
5 彩虹 第二主打 周杰伦 我很忙 试听 歌词 3.5 M wma
6 彩虹 JayCn 王贝 周杰伦 我很忙 试听 歌词 6.1 M mp3
7 彩虹 OS版 zoelee bbs jayfc com 周杰伦 我很忙 试听 歌词 6.1 M mp3
8 彩虹 周杰伦 我很忙 试听 歌词 0.4 M mp3
9 彩虹 QQ:8058722 周杰伦 我很忙 试听 歌词 1.3 M mp3
10 彩虹 第二主打 周杰伦 我很忙 试听 歌词 0.3 M wma
11 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
12 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
13 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
14 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
15 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
16 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
17 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
18 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
19 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
20 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
21 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
22 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
23 彩虹 杰伦部落 JayHome Cn 周杰伦 我很忙 试听 歌词 1.8 M mp3
24 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
25 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
26 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
27 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
28 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 0.2 M mp3
29 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
30 情画 周杰伦 刘畊宏 彩虹天堂 试听 歌词 未知 wma
文件:JCParseHtmlSongs.rar
大小:10KB
下载:
下载