比如，数学符号 ， ，可以直接获得：
escape 将特殊字符 ＆ ， < 和 > 替换为HTML安全序列。如果可选的 flags quote 为 True （默认值），则还会翻译引号字符，包括双引号（ " ）和单引号（ ' ）字符。
将字符串 s 中的所有命名和数字字符引用 (例如 >, >, >) 转换为相应的 Unicode 字符。此函数使用 HTML 5 标准为有效和无效字符引用定义的规则，以及 HTML 5 命名字符引用列表 。
这个模块定义了一个 HTMLParser 类，为 HTML（超文本标记语言）和 XHTML 文本文件解析提供基础。
class html.parser.HTMLParser(*, convert_charrefs=True) 创建一个能解析无效标记的解析器实例。查找标签（tags）和其他标记（markup）并调用 handler 函数。
用法：
通过调用 self.handle_starttag 处理开始标签，或通过调用 self.handle_startendtag 处理结束标签。标签之间的数据通过以 data 为参数调用 self.handle_data 从解析器传递到派生类（数据可以分成任意块）。如果 convert_charrefs 为 True ，则将字符引用自动转换为相应的 Unicode 字符（并且 self.handle_data 不再拆分成块），否则通过调用带有字符串的 self.handle_entityref 或 self.handle_charref 来传递它们以分别包含命名或数字引用作为参数。如果 convert_charrefs 为 True (默认值)，则所有字符引用( script / style 元素中的除外)都会自动转换为相应的 Unicode 字符。
一个 HTMLParser 类的实例用来接受 HTML 数据，并在标记开始、标记结束、文本、注释和其他元素标记出现的时候调用对应的方法。要实现具体的行为，请使用 HTMLParser 的子类并重载其方法。
这个解析器不检查结束标记是否与开始标记匹配，也不会因外层元素完毕而隐式关闭了的元素引发结束标记处理。
下面是简单的 HTML 解析器的一个基本示例，使用 HTMLParser 类，当遇到开始标记、结束标记以及数据的时候将内容打印出来。
输出：
HTMLParser.reset() 重置实例。丢失所有未处理的数据。在实例化阶段被隐式调用。
HTMLParser.feed(data) 填充一些文本到解析器中。如果包含完整的元素，则被处理；如果数据不完整，将被缓冲直到更多的数据被填充，或者 close() 被调用。 data 必须为 str 类型。
HTMLParser.close() 如同后面跟着一个文件结束标记一样，强制处理所有缓冲数据。这个方法能被派生类重新定义，用于在输入的末尾定义附加处理，但是重定义的版本应当始终调用基类 HTMLParser 的 close() 方法。
HTMLParser.getpos() 返回当前行号和偏移值。
HTMLParser.get_starttag_text() 返回最近打开的开始标记中的文本。结构化处理时通常应该不需要这个，但在处理“已部署”的 HTML 或是在以最小改变来重新生成输入时可能会有用处（例如可以保留属性间的空格等）。
下列方法将在遇到数据或者标记元素的时候被调用。他们需要在子类中重载。基类的实现中没有任何实际 *** 作（除了 handle_startendtag() ）：
HTMLParser.handle_starttag 这个方法在标签开始的时候被调用（例如： <div id="main">）。 tag 参数是小写的标签名。 attrs 参数是一个 (name, value) 形式的列表，包含了所有在标记的 <> 括号中找到的属性。 name 转换为小写， value 的引号被去除，字符和实体引用都会被替换。比如，对于标签 <a href="https://www.cwi.nl/">，这个方法将以下列形式被调用 handle_starttag('a', [('href', 'https://www.cwi.nl/')]) 。 html.entities 中的所有实体引用，会被替换为属性值。
HTMLParser.handle_endtag(tag) 此方法被用来处理元素的结束标记（例如： </div>）。 tag 参数是小写的标签名。
HTMLParser.handle_startendtag(tag, attrs) 类似于 handle_starttag() , 只是在解析器遇到 XHTML 样式的空标记时被调用（ <tag ... />）。这个方法能被需要这种特殊词法信息的子类重载；默认实现仅简单调用 handle_starttag() 和 handle_endtag() 。
HTMLParser.handle_data(data) 这个方法被用来处理任意数据（例如：文本节点和 <script>...</script> 以及 <style>...</style> 中的内容）。
HTMLParser.handle_entityref(name) 这个方法被用于处理 &name 形式的命名字符引用（例如 >），其中 name 是通用的实体引用（例如： 'gt' ）。如果 convert_charrefs 为 True，该方法永远不会被调用。
HTMLParser.handle_charref(name) 这个方法被用来处理 NNN 和 NNN 形式的十进制和十六进制字符引用。例如， > 等效的十进制形式为 >，而十六进制形式为 > ；在这种情况下，方法将收到 '62' 或 'x3E' 。如果 convert_charrefs 为 True ，则该方法永远不会被调用。
HTMLParser.handle_comment(data) 这个方法在遇到注释的时候被调用（例如： ）。例如， 这个注释会用 ' comment ' 作为参数调用此方法。
Internet Explorer 条件注释（condcoms）的内容也被发送到这个方法，因此，对于 ``，这个方法将接收到 '[if IE 9]>IE9-specific content<![endif]' 。
HTMLParser.handle_decl(decl) 这个方法用来处理 HTML doctype 申明（例如 <!DOCTYPE html>）。 decl 形参为 <!...> 标记中的所有内容（例如： 'DOCTYPE html' ）。
HTMLParser.handle_pi(data) 此方法在遇到处理指令的时候被调用。 data 形参将包含整个处理指令。例如，对于处理指令 <?proc color='red'>，这个方法将以 handle_pi("proc color='red'") 形式被调用。它旨在被派生类重载；基类实现中无任何实际 *** 作。
注解： HTMLParser 类使用 SGML 语法规则处理指令。使用 '?' 结尾的 XHTML 处理指令将导致 '?' 包含在 data 中。
HTMLParser.unknown_decl(data) 当解析器读到无法识别的声明时，此方法被调用。 data 形参为 <![...]> 标记中的所有内容。某些时候对派生类的重载很有用。基类实现中无任何实际 *** 作。
因此，我们可以如此定义：
下面介绍如何解析 HTML 文档。
解析一个文档类型声明：
解析一个具有一些属性和标题的元素：
script 和 style 元素中的内容原样返回，无需进一步解析：
解析注释：
解析命名或数字形式的字符引用，并把他们转换到正确的字符（注意：这 3 种转义都是 '>' ）：
填充不完整的块给 feed() 执行， handle_data() 可能会多次调用（除非 convert_charrefs 被设置为 True ）：
解析无效的 HTML (例如：未引用的属性）也能正常运行：
什么是element
ELEMENT则是XML里的概念，<xxx>就是元素，是XML中的数据的组成部分之一。
素(Element)和结点(Node)的区别，元素是一个小范围的定义，必须是含有完整信息的结点才是一个元素，例如<div>...</div>。但是一个结点不一定是一个元素，而一个元素一定是一个结点。
<a>
<b></b>
<b></b>
<a>
DOM将文档中的所有都看作节点 node>element
1DOM在解析文档的时候按整个文档的结构生成一棵树，全部保存在内存
优点就是整个文档都一直在内存中，我们可以随时访问任何节点，并且对树的遍历也是比较熟悉的 *** 作；缺点则是耗内存，并且必须等到所有的文档都读入内存才能进行处理。
2一个需要注意的地方就是，XML文档两个标签之间的空白也是这棵树的一个节点（Text节点）。 <a><b></b><a>a有三个节点
Element root = doc.getDocumentElement()：root是什么？？？？
NodeList list = root.getChildNodes()root 到底是节点还是元素我不清楚？？？？？
node有几个子类型：
Element,
Text,
Attribute,
RootElement,
Comment,
Namespace等
Element是可以有属性和子节点的node。
Element是从Node继承的
//转换
if (node.getNodeType() == Element.ELEMENT_NODE)
{
Element e = (Element) node
}
？元素有孩子吗
elemen et 性质
1 e.getAttributes()
2 e.getChildNodes()
3 e.getTagName()
Element root = doc.getDocumentElement()：root是什么？？？？
NodeList list = root.getChildNodes()root 到底是节点还是元素我不清楚？？？
······················································
public void domParse(String fileName) throws Exception {
DocumentBuilderFactory f = DocumentBuilderFactory.newInstance()
DocumentBuilder db = f.newDocumentBuilder()//builder
Document docment = db.parse(new File(fileName))//parese
Element el = docment.getDocumentElement()//root
domRead(el)
}
public void domRead(Element currentNode) {
if ("struts-config".equals(currentNode.getNodeName())) {
config = new StrutsConfig()
}
NodeList list = currentNode.getChildNodes()
for (int i = 0i <list.getLength()i++) {
Node node = list.item(i)
if (node.getNodeType() == Element.ELEMENT_NODE) {
Element e = (Element) node//????
if ("form-beans".equals(e.getTagName())) {
formBeans = new ArrayList<FormBeanConfig>()
domRead(e)
}
if ("form-bean".equals(e.getTagName())) {
FormBeanConfig fc = new FormBeanConfig()
NamedNodeMap attrs = e.getAttributes()
for (int j = 0j <attrs.getLength()j++) {
Attr attr = (Attr) attrs.item(j)
if ("name".equals(attr.getName())) {
fc.setName(attr.getValue())
} else {
fc.setType(attr.getValue())
}
}
formBeans.add(fc)
}
if ("action-mapping".equals(e.getTagName())) {
actions = new ArrayList<ActionConfig>()
domRead(e)
}
if ("action".equals(e.getTagName())) {
ActionConfig ac = new ActionConfig()
NamedNodeMap attrs = e.getAttributes()
for (int k = 0k <attrs.getLength()k++) {
Attr attr = (Attr) attrs.item(k)
if ("path".equals(attr.getName())) {
ac.setPath(attr.getValue())
} else if ("type".equals(attr.getName())) {
ac.setType(attr.getValue())
} else {
ac.setName(attr.getValue())
}
}
actions.add(ac)
}
}
}
}
在attrs中通过selector:'name'的name属性修改样式。SVG/HTML元素的css样式名，style：该SVG/HTML元素的内联样式attrs:定制节点样式的选项,是一个复杂的对象key:{value...},key是节点中的selector值，value是该元素的SVG属性值。欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）