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=
相关文档：
第九关 Image
从页面上的图片可以看到有一串点，那么是不是代表该关与图像点有关？ 我们从页面源码可以看到，有两段数字序列first和second，而有一个提示first+second=? 什么意思呢？难道是说(first, second)代表了图像点的坐标？不像，两段序列的长度有很大差异。那么算符+还有什么含义呢，有� ......
偶尔做个简单的WEB服务测试程序，我还是喜欢采用PHP。简洁，风格和C/C++接近，上手快，而且库也很齐全。以前为广东移动做移动行业终端的演示程序时，采用国内一个兄弟写的FleaPHP开源框架，两周不到的时间，我从一个对PHP一无所知的水平，快速的搞定了30多个页面的后台，后来演示效果也不错，也很稳定，从此对PHP有� ......
今天看了序列类型相关的比较操作.
在python核心编程(2nd)一书中6.13.1章节中, 给出了列表比较的一个准则..
个人感觉还是不很完善:
如果扫描到两个列表中当前比较元素是不可比较的, 那么返回什么??
我用的是python2.6....
对这个问题做了一些测试, 自己目前嘎绝当比较遇到上述情况时, 是使用两个列表的内存地址值来比� ......
ZoundryDocument
Python skin is known for its color variations and for its elasticity; it is
the warmest leather of the season and ideal for the manufacture of many luxury
goods. Sometimes natural patterns can be hidden when they're done in black, but
the finish here has a bit of a shine to it ......
