> franco93it ha scritto: >> Scarico il sorgente di una pagina web in questo modo: >> [...] >> Come faccio ad estrarre dalla pagina determinate parti contenuti >> fra tag noti?
Vittorio Zuccala' wrote: > Sono un po' emozionato: è la prima risposta che do in lista :-) Grazie, continua per favore! :-) > Se stringa è la variabile dove ci sono le informazioni: > > import re Le espressioni regolari non sono l'ideale per grammatiche dipendenti dal contesto come l'HTML: per esempio è difficile estrarre dati in presenza di tag annidati. Questa estrazione si chiama "parsing", e nel caso dell'HTML è complicata dal fatto che ci sono in giro parecchie pagine il cui markup non rispetta gli standard: occorre quindi impiegare parser tolleranti, che non vadano in crisi in quei casi. Lo strumento tipico in questi casi era BeatifulSoup, ma lo sconsiglio perché non è più manutenuto, ed è parecchio lento. Ho avuto buoni risultati con lxml.html (http://codespeak.net/lxml/lxmlhtml.html). lxml è una delle migliori librerie XML per Python, ed lxml.html è un parser tollerante specifico per l'HTML. -- Nicola Larosa - http://www.tekNico.net/ I've learned a lot of programming languages over the years, and I've taken care never to learn the operator precedence rules in any of them. It's easy to get them wrong and get bitten and why should I require that people reading my code learn those stupid rules. - Tim Bray, June 2010 _______________________________________________ Python mailing list Python@lists.python.it http://lists.python.it/mailman/listinfo/python
