通过 sax 从 xml 数据中抓取 pdf 链接？

问题描述

我正在关注此tutorial

并使用此代码获取文本和标题标签，但我想获取所有链接（特别是指向 pdf 的所有链接）。基于这样的模型，我将如何在萨克斯管中做到这一点？

import xml.sax

class WikiXmlHandler(xml.sax.handler.ContentHandler):
   """Content handler for Wiki XML data using SAX"""
   def __init__(self):
       xml.sax.handler.ContentHandler.__init__(self)
       self._buffer = None
       self._values = {}
       self._current_tag = None
       self._pages = []

   def characters(self,content):
       """Characters between opening and closing tags"""
       if self._current_tag:
           self._buffer.append(content)

   def startElement(self,name,attrs):
       """opening tag of element"""
       if name in ('href','text'):
           self._current_tag = name
           self._buffer = []

   def endElement(self,name):
       """Closing tag of element"""
       if name == self._current_tag:
           self._values[name] = ' '.join(self._buffer)

       if name == 'page':
           self._pages.append((self._values['title'],self._values['text']))

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）