Parseur HTML

htmllib.py: module de la bibliothèque standard pour parser du HTML (parseur événementiel).

import sys, htmllib, formatter

class MyParser(htmllib.HTMLParser):
  def __init__(self):
    f = formatter.NullFormatter()
    htmllib.HTMLParser.__init__(self, f)
    self.h1 = ''
    self.headings = []
 
  def start_h1(self, attrs):
    self.save_bgn()

  def end_h1(self):
    self.headings.append(self.save_end())

p = MyParser()
p.feed(open(sys.argv[1]).read())
print p.headings