如何解决通过 sax 从 xml 数据中抓取 pdf 链接?
我正在关注此tutorial
并使用此代码获取文本和标题标签,但我想获取所有链接(特别是指向 pdf 的所有链接)。基于这样的模型,我将如何在萨克斯管中做到这一点?
import xml.sax
class WikiXmlHandler(xml.sax.handler.ContentHandler):
"""Content handler for Wiki XML data using SAX"""
def __init__(self):
xml.sax.handler.ContentHandler.__init__(self)
self._buffer = None
self._values = {}
self._current_tag = None
self._pages = []
def characters(self,content):
"""Characters between opening and closing tags"""
if self._current_tag:
self._buffer.append(content)
def startElement(self,name,attrs):
"""opening tag of element"""
if name in ('href','text'):
self._current_tag = name
self._buffer = []
def endElement(self,name):
"""Closing tag of element"""
if name == self._current_tag:
self._values[name] = ' '.join(self._buffer)
if name == 'page':
self._pages.append((self._values['title'],self._values['text']))
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。