如何让python HTMLParser停止

Question

我有一个用例告诉您，当标记是link，而它的属性是rel=dns-prefetch时，只需说启用了预解析dns即可。

我已经将一个标志设置为pre_resolve_dns_enabled，并将其设置为true，如下所示。

class Extractor(HTMLParser):

    def __init__(self):
        HTMLParser.__init__(self)
        self.pre_resolve_dns_enabled = False

    def feed(self, data):
        HTMLParser.feed(self,data)

    def handle_starttag(self, tag, attrs):
        if tag == 'link' and ('rel', 'dns-prefetch') in attrs:
            self.pre_resolve_dns_enabled = True
            #Now if one dns is resolved so whole domain remains resolved , how do I tell the parser to abort now , leaving the flag to true.

有什么帮助吗？

Answer 1

HTMLParser不是设计用来停止的。为此，您需要使用像xml.sax或xml.etree.cElementTree这样的流解析器。

消化整个HTML文件真的是个问题吗？预期的用例如下：

extractor = Extractor()
... feed html to extractor using one or more .feed() calls ...
extractor.close()

if extractor.pre_resolved_dns_enabled:
  ...
else:
  ...

如果这确实是一个问题，您可以将输入的HTML分解成块，并提供给它们直到您找到您的标记，例如：

html = ...the html to parse...
chunks = [ html[i:i+1024] for i in xrange(0, len(html), 1024) ]
extractor = Extractor()
for c in chunks:
  if extractor.pre_resolved_dns_enabled:
    break
  extractor.feed(c)
extractor.close()
# check extractor.pre_resolved_dns_enabled