※ 引述《jenocool ()》之铭言： : class Title(SGMLParser): : name=[] : def handle_data(self, text): : if self.is_a and text !='库存页面' and text !='更多此站结果': : self.name.append(text) : for i in List.name: : print i.decode('utf-8') 看得出来你和 Python 很不熟 不过身为一个写 C++ 赚饭钱的人 我必须要先说你变数命名成这样即使 C++ 也是不及格... Anyway 常见的 markup language parser 基本上分两种 Python 2 内建的 SGMLParser 属於 SAX parser 这种 parser 是会把资料逐步读进来, 当发生事情的时候就通知你 所以举例而言, 当 SGMLParser 遇到 <a href="/">Foo<b>Bar</b>Baz</a> 会触发的事件与传入的参数依序会是 事件函式 attrs text ========================================= start_a href => '/' handle_data Foo start_b handle_data Bar end_b handle_data Baz end_a 看懂了吗？handle_data 是在每次遇到非 tag 资料时就输出 其输出的内容不是 tag pair (start 和 end) 里面包住的东西 而是该 tag 直到下一个 tag (不论是否成对) 之间的内容 所以不是有 nested tag 会让输出换行 而是你的程式根本就把它们视为独立的项目了 当你用 for 回圈把它们印出时就会一行一行分开, 因为 print 会自动加换行 那要怎麽修呢？我的建议是砍掉重练 最主要的原因是 SGMLParser 根本连官方都早已不推荐使用 如果你一定要使用 SAX parser, 至少应该用 HTMLParser https://docs.python.org/2.7/library/htmlparser.html 不过就你的输入内容而言, 反正你是要爬整个页面 那麽比较好的选择其实是改用 DOM parser 这种 parser 是会把整个资料读进来解析, 重组成完整的资料结构给你 在使用上会简单很多（因为你不需要自己维护状态） Python 内建的 XML/HTML DOM parser 叫做 ElementTree https://docs.python.org/2/library/xml.etree.elementtree.html 但是这个拿来爬 malformed HTML 容易出包 所以一般建议用第三方套件 我个人喜欢 lxml, 不过看起来你是在 Windows 上 (直觉), 应该不容易装 所以还是试试前面有人推的 BeautifulSoup 好了 有文件有范例的, 而且还有中文, 应该可以自己看吧 http://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html 什麽？你连怎麽装都不知道？什麽 easy_install 什麽 pip 都说找不到指令？ 谁叫你要用 Python 2 呢, 请你改用 Python 3.4 吧 -- ╱￣￣￣╲ ▏◢█◣ ▏ ︻█︻█ ▏ 成龙表示： 是喔... ′/ ‵ ▏ ╰╯ █╱ ψQSWEET ◥︶█◤ --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 218.161.94.175 ※ 文章网址: http://webptt.com/cn.aspx?n=bbs/Python/M.1409585146.A.C6C.html