Python HTMLParser 打印出空行答案

【问题标题】：Python HTMLParser printing out blank linesPython HTMLParser 打印出空行
【发布时间】：2015-08-28 01:40:01
【问题描述】：

我正在使用 python 的 HTMLParser，但在打印空行时遇到了问题。

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，它只会打印出新行以及实际数据。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  :

我应该如何让它只用一个新行来忽略这些行？

【问题讨论】：

标签： python html-parsing

【解决方案1】：

只需用新行忽略这些行：

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

【讨论】：

我最初试图忽略 \n 的任何内容，但没有成功，但 data.strip() 解决方案就像一个魅力。谢谢

【解决方案2】：

因为数据一次通过一行，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 = ''

去掉末尾的换行符会保留数据的格式。

【讨论】：