如何创建制造MLA引用的脚本？

Question

我有一个文件夹，里面全是微软的.URL文件。我想把它们翻译成我论文的MLA引用列表。

这是一个很好的Python应用吗？如何获取页面标题？我使用的是装有Python 3.1.1的Windows XP。

Answer 1

这是Python的一个奇妙的用途！.URL文件格式的语法如下：

[InternetShortcut]
URL=http://www.example.com/
OtherStuff=irrelevant

要解析您的.URL文件，请从ConfigParser开始，它将读取此内容并创建一个InternetShortcut部分，您可以从中读取该URL。一旦有了URL列表，就可以使用urllib或urllib2加载URL，并使用愚蠢的正则表达式来获取页面标题(或者像Alex建议的那样使用BeautifulSoup )。

一旦你有了它，你就有了一个URL列表和页面titles...not，足以获得一个完整的MLA引用，但应该足以让你入门了，不是吗？

类似这样的代码(非常粗糙，在SO窗口中编码)：

from glob import glob
from urllib2 import urlopen
from ConfigParser import ConfigParser
from re import search

# I use RE here, you might consider BeautifulSoup because RE can be stupid
TITLE = r"<title>([^<]+)</title>"

result = []
for file in glob("*.url"):
    config = ConfigParser.ConfigParser()
    config.read(file)
    url = config.get("InternetShortcut", "URL")

    # Get the title
    page = urlopen(url).read()
    try: title = search(TITLE, page).groups()[0]
    except: title = "Couldn't find title"

    result.append((url, title))

for url, title in result:
    print "'%s' <%s>" % (title, url)

Answer 2

给定一个包含HTML页面的文件，您可以对其进行解析以提取其标题，BeautifulSoup是该作业推荐的第三方库。获取与Python3.1 here兼容的BeautifulSoup版本，安装它，然后：

• 将每个文件的内容解析为一个soup对象，例如：

从BeautifulSoup导入open('thefile.html'，'r').read() BeautifulSoup = BeautifulSoup(html)

• get title标记(如果有)，并打印其字符串内容(如果有)：

title = soup.find(' title ')如果title为None: print('No title!')否则: print('Title：‘+ title.string)