HTMLParser 不解析整个输入

Question

我用python写了一些脚本，但从来没有真正接触过类。现在我需要一个，因为设置了一个 html 解析器（来自网络中的片段）。它工作正常，但缺少最后一个数据字符串。似乎该功能上次没有运行。

我的代码如下：

class MyHTMLParser(HTMLParser):
    def __init__(self):
        #reset
        self.reset()        
        #options
        self.strict = False
        self.convert_charrefs= True
        #create empty list for all my stored data
        self.fed = []               
    def handle_data(self, data):
        print ('D:', data)        #as you might see in output of a run, string after last tag is not added, because function did obviously not run
        self.fed.append('-'+data)
    def get_data(self):
        return ''.join(self.fed)

def process_description(desc):
    s = MyHTMLParser()
    s.feed(desc)
    return s.get_data()

text_html='first <br />second<br />third'
text=process_description(text_html)  
print (text)

输出：

D: first 
D: second
-first -second

函数 process_description() 未完全处理 text_html 字符串。从输出中可以看出，handle_data() 函数未处理最后一个 html 标记之后的子字符串（“第三个”）。一定有一些语法错误。怎么了？

Answer 1

子类.__init__ 应该只调用基类.__init__，而不是复制您认为它所做的事情，并且只做额外的子类真正特定的事情。

def __init__(self):
    super().__init__(strict = False, convert_charrefs= True)
    #create empty list for all my stored data
    self.fed = []               

真正的问题是你在喂完饭后忘记调用 .close() 了。来自文档：“强制处理所有缓冲数据，就好像它后面跟一个文件结束标记一样。”

def process_description(desc):
    s = MyHTMLParser()
    s.feed(desc)
    s.close()  # <-- added #
    return s.get_data()

关闭后，结果就是你想要的和期望的。

D: first 
D: second
D: third
-first -second-third

（空格在输入中。）