输出文档 你可以使用 str 函数将Beautiful Soup文档（或者它的子集）转换为字符串，或者使用它的code prettify或 renderContents 。你也可以使用 unicode 函数以Unicode字符串的形式获得。 prettify 方法添加了一些换行和空格以便让文档结构看起来更清晰。它也将那些只包含空白符的，可能影响一个XML文档意义的文档节点(nodes)剔除(strips out)。 str 和 unicode 函数不会剔除这些节点，他们也不会添加任何空白符。 看看这个例子： from BeautifulSoup import BeautifulSoup doc = " html h1 Heading /h1 p Text" soup = BeautifulSoup(doc) str(soup) # ' html h1 Heading /h1 p Text /p /html ' soup.renderContents() # ' html h1 Heading /h1 p Text /p /html ' soup.__str__() # ' html h1 Heading /h1 p Text /p /html ' unicode(soup) # u' html h1 Heading /h1 p Text /p /html ' soup.prettify() # ' html n h1 n Headingn /h1 n p n Textn /p n /html ' print soup.prettify() # html # h1 # Heading # /h1 # p # Text # /p # /html 可以看到使用文档中的tag成员时 str 和 renderContents 返回的结果是不同的。 heading = soup.h1 str(heading) # ' h1 Heading /h1 ' heading.renderContents() # 'Heading' 当你调用 __str__ , prettify 或者 renderContents 时，你可以指定输出的编码。默认的编码( str 使用的)是UTF-8。下面是处理ISO-8851-1的串并以不同的编码输出同样的串的例子。 from BeautifulSoup import BeautifulSoup doc = "Sacrxe9 bleu!" soup = BeautifulSoup(doc) str(soup) # 'Sacrxc3xa9 bleu!' # UTF-8 soup.__str__("ISO-8859-1") # 'Sacrxe9 bleu!' soup.__str__("UTF-16") # 'xffxfeSx00ax00cx00rx00xe9x00 x00bx00lx00ex00ux00!x00' soup.__str__("EUC-JP") # 'Sacrx8fxabxb1 bleu!' 如果原始文档含有编码声明，Beautiful Soup会将原始的编码声明改为新的编码。也就是说，你载入一个HTML文档到 BeautifulSoup 后，在输出它，不仅HTML被清理过了，而且可以明显的看到它已经被转换为UTF-8。 这是HTML的例子： from BeautifulSoup import BeautifulSoup doc = """ html meta http-equiv="Content-type" content="text/html; charset=ISO-Latin-1" Sacrxe9 bleu! /html """ print BeautifulSoup(doc).prettify() # html # meta http-equiv="Content-type" content="text/html; charset=utf-8" / # Sacré bleu! # /html 这是XML的例子： from BeautifulSoup import BeautifulStoneSoup doc = """ ?xml version="1.0" encoding="ISO-Latin-1" Sacrxe9 bleu!""" print BeautifulStoneSoup(doc).prettify() # ?xml version='1.0' encoding='utf-8' # Sacré bleu! 剖析树 到目前为止，我们只是载入文档，然后再输出它。现在看看更让我们感兴趣的剖析树： Beautiful Soup剖析一个文档后生成的数据结构。 剖析对象 ( BeautifulSoup 或 BeautifulStoneSoup 的实例)是深层嵌套(deeply-nested), 精心构思的(well-connected)的数据结构，可以与XML和HTML结构相互协调。剖析对象包括2个其他类型的对象， Tag 对象，用于操纵像 TITLE ， B 这样的标签； NavigableString 对象，用于操纵字符串，如"Page title"和"This is paragraph"。 NavigableString 的一些子类 ( CData , Comment , Declaration , and ProcessingInstruction ), 也处理特殊XML结构。 它们就像 NavigableString 一样, 除了但他们被输出时，他们会被添加一些额外的数据。下面是一个包含有注释(comment)的文档： from BeautifulSoup import BeautifulSoup import re hello = "Hello! !--I've got to be nice to get what I want.-- " commentSoup = BeautifulSoup(hello) comment = commentSoup.find(text=re.compile("nice")) comment.__class__ # class 'BeautifulSoup.Comment' comment # u"I've got to be nice to get what I want." comment.previousSibling # u'Hello! ' str(comment) # " !--I've got to be nice to get what I want.-- " print commentSoup # Hello! !--I've got to be nice to get what I want.-- 现在，我们深入 研究一下我们开头使用的那个文档: from BeautifulSoup import BeautifulSoup doc = [' html head title Page title /title /head ', ' body p id="firstpara" align ...

阅读全文 »

script language for android是一个开源项目，目标是为android系统提供脚本语言的支持，使用户可以直接在android平台上进行脚本语言的编辑、解释和执行。 项目地址:http://code.google.com/p/android-scripting/ 官方邮件列表:http://groups.google.com/group/android-scripting(需翻墙) SL4A中文化项目地址:http://code.google.com/p/sl4a-chinese/

阅读全文 »

一、文化 －－－－ 1，听过 the zen of python 吗？尽可能地默写它，中英文皆可，大意也可。如果没有听过，谈谈你对 pythonic 的看法，或者你认为什么样的 python 代码才是好代码。 二、数据结构与算法 －－－－－－－－－ 2，现在有一个 dict 对象 adict，里面包含了一百万个元素，查找其中的某个元素的平均需要多少次比较？一千万个元素呢？ 3，现在有一个 list 对象 alist，里面的所有元素都是字符串，编写一个函数对它实现一个大小写无关的排序。 4，python 里关于“堆”这种数据结构的模块是哪个？“堆”有什么优点和缺点？举一个游戏开发中可能会用到堆的问题（不限是于 python 的堆，可以是其它语言的相关实现）。 5，set 是在哪个版本成为 build-in types 的？举一个你在以往项目中用到这种数据结构的问题（不限是于 python 的 set ，可以是其它语言的相关实现），并说明为什么当时选择了 set 这种数据结构。 6，有一个排好序地 list 对象 alist，查找其中是否有某元素 a（尽可能地使用标准库函数）。 三、库应用 －－－－－ 7，说说 dict 的 items() 方法与 iteritems() 方法的不同。 8，写一段程序逐行读入一个文本文件，并在屏幕上打印出来。 9，默写尽可能多的 str 对象的方法。 10，打乱一个排好序的 list 对象 alist。 11，有二维的 list 对象（即它的每一个元素都是一个 list 对象）alist，假定其中的所有元素都具有相同的长度（把 alist 想象成一个表格），写一段程序根据元素的第二个元素排序（即对表格的第二列字段排序）。 四、设计 －－－－ 12，实现一个 stack。 13，编写一个简单的 ini 文件解释器。 14，现有 N 个纯文本格式的英文文件，实现一种检索方案，即做一个小搜索引擎。

阅读全文 »