Python库详解之网络(2)

昨天试了下用HTMLParser类来解析网页，可发现结果并不理想。不管怎么说，先写下过程，希望后来人能在此基础上解决我所遇到的问题。
写了2套解决方案，当然这2套只能对特定网站有效。我这里主要说明下对BBC主页www.bbc.co.uk和对网易www.163.com的解析。
对于BBC：
这套要简单得多，可能是该网页的编码比较标准吧
import html.parser
import urllib.request
class parseHtml(html.parser.HTMLParser):
    def handle_starttag(self, tag, attrs):
        print("Encountered a {} start tag".format(tag))
    def handle_endtag(self, tag):
         print("Encountered a {} end tag".format(tag))
    def handle_charref(self,name):
        print("charref")
    def handle_entityref(self,name):
        print("endtiyref")
    def handle_data(self,data):
        print("data")
    def handle_comment(self,data):
        print("comment")
    def handle_decl(self,decl):
        print("decl")
    def handle_pi(self,decl):
        print("pi")
#从这里开始看起，上面那个继承很简单，全部重载父类函数
#以二进制写的方式存储BBC网页，这是上篇内容(http://blog.csdn.net/xiadasong007/archive/2009/09/03/4516683.aspx),不赘述
file=open("bbc.html",'wb') #it's 'wb',not 'w'
url=urllib.request.urlopen("http://www.bbc.co.uk/")
while(1):
    line=url.readline()
    if len(line)==0:
        break
    file.write(line)
#生成一个对象
pht=parseHtml()
#对于这个网站，我使用'utf-8'打开，否则会出错，其他网站可能就不需要，utf-8是UNICODE编码
file=open("bbc.html",encoding='utf-8',mode='r')
#处理网页，feed
while(1):
    line=