我想从Beautifulsoup类继承来完成以下任务

我正在运行Python 3.5.1与Beautifulsoup4。

我现在有这个代码:

from bs4 import BeautifulSoup
import html5lib
class LinkFinder(BeautifulSoup):
  def __init__(self):
    super().__init__()
  def handle_starttag(self, name, attrs):
    print(name)

当我用下面的代码实例化类时:findmylink = LinkFinder()，当我加载我的html与以下代码findmylink.feed("""<html><head><title>my name is good</title></head><body>hello world</body></html>""",'html5lib') .

我在控制台中得到以下错误:

'NoneType' object is not callable

我实际上希望复制以下示例代码(在我的情况下，我希望使用Beautifulsoup而不是html.parser)

from html.parser import HTMLParser
class LinkFinder(HTMLParser):
    def __init__(self):
        super().__init__()
   def handle_starttag(self, tag, attrs):
        print(tag)

当我通过以下代码重新实例化类时:findmylink = LinkFinder()，当我用以下代码findmylink.feed("""<html><head><title>my name is good</title></head><body>hello world</body></html>""")加载html时，我得到以下输出:

html
head
title
body

不确定为什么需要以这种不寻常的方式使用BeautifulSoup。如果您只想递归地获取HTML树中所有元素的名称:

from bs4 import BeautifulSoup
data = """<html><head><title>my name is good</title></head><body>hello world</body></html>"""
soup = BeautifulSoup(data, "html5lib")
for elm in soup.find_all():
    print(elm.name)

打印:

html
head
title
body

如果您想这样做，请更改实现以在初始化期间接受标记，并更改handle_starttag以获取所有传递的参数:

class LinkFinder(BeautifulSoup):
  def __init__(self, markup):
    super().__init__(markup, 'html.parser')
  def handle_starttag(self, name, namespace, nsprefix, attrs):
    print(name)

初始化:

l = LinkFinder("""<html><head><title>my name is good</title></head><body>hello world</body></html>""")

打印出:

html
head
title
body

我很确定BeautifulSoup类重载__getattr__返回None上未定义的属性，而不是提高AttributeError;这就是导致错误的原因:

print(type(BeautifulSoup().feed))
NoneType
print(type(BeautifulSoup().feedededed))
NoneType

和，BeautifulSoup不像HTMLParser那样有feed函数(它有一个_feed，它用self.markup调用builder对象的底层feed)，所以你得到一个None对象，你调用。

相关内容

最新更新

热门标签：