使用python解析xml成对应的html示例分享
SAX将dd.xml解析成html。当然啦，如果得到了xml对应的xsl文件可以直接用libxml2将其转换成html。
#!/usr/bin/env python
# -*- coding: utf-8 -*-
#---------------------------------------
# 程序：XML解析器
# 版本：01.0
# 作者：mupeng
# 日期：2013-12-18
# 语言：Python 2.7
# 功能：将xml解析成对应的html
# 注解：该程序用xml.sax模块的parse函数解析XML，并生成事件
# 继承ContentHandler并重写其事件处理函数
# Dispatcher主要用于相应标签的起始、结束事件的派发
#---------------------------------------
from xml.sax.handler import ContentHandler
from xml.sax import parse
class Dispatcher:
def dispatch(self, prefix, name, attrs=None):
mname = prefix + name.capitalize()
dname = 'default' + prefix.capitalize()
method = getattr(self, mname, None)
if callable(method): args = ()
else:
method = getattr(self, dname, None)
#args = name
#if prefix == 'start': args += attrs
if callable(method): method()
def startElement(self, name, attrs):
self.dispatch('start', name, attrs)
def endElement(self, name):
self.dispatch('end', name)
class Website(Dispatcher, ContentHandler):
def __init__(self):
self.fout = open('ddt_SAX.html', 'w')
self.imagein = False
self.desflag = False
self.item = False
self.title = ''
self.link = ''
self.guid = ''
self.url = ''
self.pubdate = ''
self.description = ''
self.temp = ''
self.prx = ''
def startChannel(self):
self.fout.write('''<html>\n<head>\n<title> RSS-''')
def endChannel(self):
self.fout.write('''
<tr><td height="20"></td></tr>
</table>
</center>
<script>
function GetTimeDiff(str)
{
if(str == '')
{
return '';
}
var pubDate = new Date(str);
var nowDate = new Date();
var diffMilSeconds = nowDate.valueOf()-pubDate.valueOf();
var days = diffMilSeconds/86400000;
days = parseInt(days);
diffMilSeconds = diffMilSeconds-(days*86400000);
var hours = diffMilSeconds/3600000;
hours = parseInt(hours);
diffMilSeconds = diffMilSeconds-(hours*3600000);
var minutes = diffMilSeconds/60000;
minutes = parseInt(minutes);
diffMilSeconds = diffMilSeconds-(minutes*60000);
var seconds = diffMilSeconds/1000;
seconds = parseInt(seconds);
var returnStr = "±±¾©·¢²¼Ê±¼ä£º" + pubDate.toLocaleString();
if(days > 0)
{
returnStr = returnStr + " £¨¾àÀëÏÖÔÚ" + days + "Ìì" + hours + "Сʱ" + minutes + "·ÖÖÓ£©";
}
else if (hours > 0)
{
returnStr = returnStr + " £¨¾àÀëÏÖÔÚ" + hours + "Сʱ" + minutes + "·ÖÖÓ£©";
}
else if (minutes > 0)
{
returnStr = returnStr + " £¨¾àÀëÏÖÔÚ" + minutes + "·ÖÖÓ£©";
}
return returnStr;
}
function GetSpanText()
{
var pubDate;
var pubDateArray;
var spanArray = document.getElementsByTagName("span");
for(var i = 0; i < spanArray.length; i++)
{
pubDate = spanArray[i].innerHTML;
document.getElementsByTagName("span")[i].innerHTML = GetTimeDiff(pubDate);
}
}
GetSpanText();
</script>
</body>
</html>
''')
self.fout.close()
def characters(self, chars):
if chars.strip():
#chars = chars.strip()
self.temp += chars
#print self.temp
def startTitle(self):
if self.item:
self.fout.write('''
<tr bgcolor="#eeeeee">\n<td style="padding-top:5px;padding-left:5px;" height="30">\n<B>
''')
def endTitle(self):
if not self.imagein and not self.item:
self.title = self.temp
self.temp = ''
self.fout.write(self.title.encode('gb2312'))
#self.title = self.temp
self.fout.write('''
</title>\n</head>\n<body>\n<center>\n
<script>\n
function copyLink()
{
clipboardData.setData("Text",window.location.href);
alert("RSSÁ´½ÓÒѾ¸´ÖƵ½¼ôÌù°å");
}
function subscibeLink()
{
var str = window.location.pathname;
while(str.match(/^\//))
{
str = str.replace(/^\//,"");
}
window.open("http://rss.sina.com.cn/my_sina_web_rss_news.html?url=" + str,"_self");
}
</script>\n
<table width="750" cellpadding="0" cellspacing="0">\n
<tr>\n
<td align="right" style="padding-right:15px;" valign="bottom">\n
''')
if self.item:
self.title = self.temp
self.temp = ''
self.fout.write(self.title.encode('gb2312'))
self.fout.write('''
</B>
</td>
</tr>
<tr bgcolor="#eeeeee">
<td style="padding-left:5px;">
''')
def startImage(self):
self.imagein = True
def endImage(self):
self.imagein = False
def startLink(self):
if self.imagein:
self.fout.write('''<A href=" ''')
def endLink(self):
self.link = self.temp
self.temp = ''
if self.imagein:
self.fout.write(self.link.encode('gb2312'))
self.fout.write('''" target="_blank">\n ''')
elif self.item:
#self.link = self.temp
pass
else:
self.fout.write(self.link)
self.fout.write(''' " target="
_blank
"> ''')
self.fout.write(self.title.encode('gb2312'))
self.fout.write(''' </A></B></td>
</tr>
<tr><td colspan="2" align="center">
''')
self.fout.write(self.description.encode('gb2312'))
self.fout.write('''
</td></tr>
<tr style="font-size:12px;" bgcolor="#eeeeff"><td colspan="2" style="font-size:14px;padding-top:5px;padding-bottom:5px;"><b><a href="javascript:copyLink();">¸´ÖÆ´ËÒ³Á´½Ó</a> <a href="javascript:subscibeLink();">ÎÒҪǶÈë¸ÃÐÂÎÅÁÐ±íµ½ÎÒµÄÒ³Ã棨¼òµ¥¡¢¿ìËÙ¡¢ÊµÊ±¡¢Ãâ·Ñ£©</a></b></td></tr>
</table>
<table width="750" cellpadding="0" cellspacing="0">
''')
def startUrl(self):
if self.imagein:
self.fout.write('''<IMG src=" ''')
def endUrl(self):
self.url = self.temp
self.temp = ''
if self.imagein:
self.fout.write(self.url.encode('gb2312'))
self.fout.write('''" border="0">\n
</A>
</td>
<td align="left" valign="bottom" style="padding-bottom:8px;"><B><A href="
''')
if self.item:
#self.url = self.temp
pass
def defaultStart(self):
pass
def defaultEnd(self):
self.temp = ''
def startDescription(self):
pass
def endDescription(self):
self.description = self.temp
self.temp = ''
if self.item:
#self.fout.write('¡¡¡¡')
self.fout.write(self.description.encode('gb2312'))
def endGuid(self):
self.guid = self.temp
def endPubdate(self):
if not self.temp.startswith('http'):
self.pubdate = self.temp
self.temp = ''
else:
self.pubdate = ''
def startItem(self):
self.item = True
def endItem(self):
self.item = False
self.fout.write('''
</td>
</tr>
<tr bgcolor="#eeeeee">
<td style="padding-top:5px;padding-left:5px;">
<A href="''')
self.fout.write(self.link)
self.fout.write(''' " target="_blank"> ''')
self.fout.write(self.guid)
self.fout.write('''
</A>
</td>
</tr>
<tr bgcolor="#eeeeee">
<td style="padding-top:5px;padding-left:5px;padding-bottom:5px;"><span>''')
self.fout.write(self.pubdate)
self.fout.write('''</span></td>
</tr>
<tr height="10"><td></td></tr>''')
#程序入口
if __name__ == '__main__':
parse('ddt.xml', Website())
相关文章
这篇文章主要介绍了使用python的Flask框架进行上传和下载文件详解,Flask是一个使用Pyhton编写的轻量级Web应用框架，工具包采用Werkzeug，模板引擎则使用Jinja2，是目前十分流行的web框架,需要的朋友可以参考下2023-07-07
这篇文章主要介绍了基于python的selenium全网最新超详细教程,本文内容比较长，结合实例代码给大家讲解的非常详细，需要的朋友可以参考下2023-12-12
这篇文章主要介绍了Python使用新浪微博API发送微博的例子,需要的朋友可以参考下2014-04-04
这篇文章主要介绍了Python实现正整数分解质因数操作,结合实例形式分析了Python循环与递归两种操作方法实现分解质因数功能的相关操作技巧,需要的朋友可以参考下2018-08-08
这篇文章主要介绍了Python 列表与链表的区别详解,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下2021-09-09
Python实现基本Socket服务端与客户端通信的完整代码
这篇文章主要介绍了Python实现基本Socket服务端与客户端通信,分步详解与完整代码都有，按需所求即可，对Python Socket服务端与客户端通信相关知识感兴趣的朋友一起看看吧2023-06-06
这篇文章主要介绍了Python读取文件内容为字符串的方法,本文通过三种方式给大家介绍，在文章末尾给大家提到了python读取txt文件中字符串，字符串用空格分隔的相关知识，需要的朋友可以参考下2020-03-03
在数据分析的世界里,数据是核心,而如何高效地生成和处理数据则成为每位数据分析师必备的技能之一,今天,我们要探讨一个有趣的话题——“造数”,所以本文给大家介绍了Python办公自动化,批量生成Excel案例数据集,需要的朋友可以参考下2024-12-12
asyncio 是用来编写 并发 代码的库，使用 async/await 语法。 asyncio 被用作多个提供高性能 Python 异步框架的基础，包括网络和网站服务，数据库连接库，分布式任务队列等等。这篇文章主要介绍了Python中的asyncio,需要的朋友可以参考下2019-06-06
这篇文章主要介绍了如何实现在远程linux服务器上运行python代码问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教2023-12-12
最新评论