Python HTMLParser 打印出空行

Question

我正在使用 python 的 HTMLParser 并在打印空行时遇到问题。

from HTMLParser import HTMLParser
import urllib2
class MyHTMLParser(HTMLParser):
def handle_data(self, data):
     print "Encountered some data  :", data

# instantiate the parser and fed it some HTML
url = 'http://www.ngccoin.com/price-guide/us/flying-eagle-cents-pscid-16-desig-ms'
req = urllib2.Request(url, headers={'User-Agent' :"Magic Browser"})
response = urllib2.urlopen(req)
html = response.read()

parser = MyHTMLParser()
parser.feed( html )

我的问题是，当它到达数据部分时，它只打印出新行和实际数据。我的输出看起来很像：

Encountered some data  :

Encountered some data  : Official Grading Service of
Encountered some data  :

Encountered some data  :

Encountered some data  :

我应该如何让它忽略那些只换行的行？

Answer 1

让它忽略那些只换行的行：

def handle_data(self, data):
    if data == '\n':
        return
    print "Encountered some data  :", data

或者，让它忽略任何只包含空格的数据：

def handle_data(self, data):
    if not data.strip():
        return
    print "Encountered some data  :", data

Answer 2

因为数据一次一行传递，数据需要这样聚合：

def handle_data(self, data):
  self.cell += data

然后在关闭标签中....

def handle_endtag(self, tag):
  self.somevariable = self.cell.strip()
  self.cell = ''

去除末尾的换行符可保留数据的格式。

Python HTMLParser 打印出空行

Python HTMLParser printing out blank lines

python

html-parsing