python解析cdata（python解析html標籤）

本文目錄一覽：

• 1、如何用Python輸出漂亮的xml文件
• 2、python解析CData
• 3、python3.0怎麼用json從文件解析
• 4、求助：python如何按位解析二進制數據

如何用Python輸出漂亮的xml文件

最近要用Python處理一個xml文件。平時習慣了用xml.etree.ElementTree，結果發現此庫存在一些讓人無法忍受的缺點：

1. 無法處理comment和cdata

2. 輸出後的xml文件沒有換行，沒有縮進，十分難以閱讀

於是嘗試這用xml.dom.minidom，前兩個問題幾乎全部解決了。唯一讓人看着不爽的是minidom對於text的處理。比如，我期待的xml輸入如下：

[html] view plain copy

pre name=”code” class=”html”pre name=”code” class=”html”root

host192.168.0.1/host

/root

但是使用xml.dom.minidom.Document.writexml後，輸出的結果卻是這樣的：

[html] view plain copy

root

host

192.168.0.1

/host

/root

開始的時候，我考慮重寫Document.writexml函數，覺得太麻煩，有用牛刀殺雞之感。後來想想，其實自己的需求非常簡單，只是需要對Document的輸出結果做個二次處理即可。使用python的正則表達式庫就可以實現：

[python] view plain copy

def save_xml(self, file_name):

xml_str = self.m_dom.toprettyxml(indent=” “)

repl = lambda x: “%s/” % x.group(1).strip() if len(x.group(1).strip()) != 0 else x.group(0)

pretty_str = re.sub(r’\n\s*([^]+)/’, repl, xml_str)

open(file_name, ‘w’).write(pretty_str)

先將Document輸出到字符串，然後使用正則表達式將text中的空行去掉即可。

黑馬程序員的PYthon是國內最早開設的真正人工智能課程。課程全面系統，緊跟時代潮流。

python解析CData

親，python爬蟲的解析框架的我也把握不準，我都是用re裡面的正則表達式的匹配

myItems = re.findall(‘a class=”breadInfo” href=”board.jsp(.*?)/a’,unicodePage,re.S)

myItems裡面的內容是(.*?)所匹配到的，如果你的這個what,thefuck,你可以寫成myItems = re.findall(‘!CDATA[[d（。*？）/d]],所以for i in myItems :

print i 就會得到What,the fuck!

python3.0怎麼用json從文件解析

1、說明：

python3通過json模塊load函數來解析文件。

2、代碼示例：

首先編寫一個json文件j.txt,內容如下：

{“errno”:1,”errmsg”:”操作成功！”,”data”:[]}

python代碼如下：

import json

with open(‘j.txt’, ‘r’) as fr:

    o = json.load(fr)

    print(o[‘errno’])

    print(o[‘errmsg’])

    print(len(o[‘data’]))

輸出如下：

1

操作成功！

3、函數說明：

load(fp, cls=None, object_hook=None, parse_float=None, parse_int=None, parse_constant=None, object_pairs_hook=None, **kw)

反序列化fp（一個.read（）包含 – 支持類文件對象一個JSON文件），以一個Python對象。

object_hook是將與被調用的可選功能任何對象文本解碼（一個“dict“）的結果。返回值object_hook將用來代替dict。此功能可用於實現自定義解碼器（例如JSON-RPC級提示）。

object_pairs_hook是將與被調用的可選功能任何對象的結果與對的有序列表字面解碼。該的返回值object_pairs_hook將用來代替dict。

此功能可用於實現依賴於定製解碼器命令該鍵和值對被解碼（例如，collections.OrderedDict會記得插入的順序）。如果object_hook也定義了object_pairs_hook優先。

要使用自定義JSONDecoder子類，與cls指定它kwarg;否則JSONDecoder使用。

4、其它說明：

也可以使用json.loads函數來直接處理字符串，方法如下：

o=json.loads(‘{“errno”:0,”errmsg”:”操作成功！”,”data”:[]}’)

求助：python如何按位解析二進制數據

可以的，二進制是計算機內的表示方法，處理二進制數據是最基本的能力。

如果是二進制字符串轉十進制：

 x = ‘10101010’

 int(x, 2)

170

如果是從文件或網絡中獲取的數據，要知道某一位是0還是1的話，獲取的數據可以按字符讀取，由於一個字符由8位二進制表示，分別讀取1到8位的二進制值就可以了：

 get_char_bit = lambda char, n: (char  (8-n))  1 # 從高到低分別為第1～8位

 data = b’ab’ # 在python3中字符串默認是unicode，所以加上b前綴兼容

 # 在python3中按字符讀取byte字符串是數字，而python2讀出來的卻是字符，但bytearray是一致的都是數字

 data = bytearray(data)

 result = []

 for char in data:

        for i in range(1, 9):

            result.append(get_char_bit(char, i)) 

 result

[0, 1, 1, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0, 0, 1, 0]

還有一種比較簡單的方法是使用內置的bin函數

 data = bytearray(b’ab’)

 result = []

 for char in data:

        result.extend(bin(char)[2:].rjust(8, ‘0’))

 result

[‘0’, ‘1’, ‘1’, ‘0’, ‘0’, ‘0’, ‘0’, ‘1’, ‘0’, ‘1’, ‘1’, ‘0’, ‘0’, ‘0’, ‘1’, ‘0’]