Python库详解之网络(2)
昨天试了下用HTMLParser类来解析网页，可发现结果并不理想。不管怎么说，先写下过程，希望后来人能在此基础上解决我所遇到的问题。
写了2套解决方案，当然这2套只能对特定网站有效。我这里主要说明下对BBC主页www.bbc.co.uk和对网易www.163.com的解析。
对于BBC：
这套要简单得多，可能是该网页的编码比较标准吧
import html.parser
import urllib.request
class parseHtml(html.parser.HTMLParser):
def handle_starttag(self, tag, attrs):
print("Encountered a {} start tag".format(tag))
def handle_endtag(self, tag):
print("Encountered a {} end tag".format(tag))
def handle_charref(self,name):
print("charref")
def handle_entityref(self,name):
print("endtiyref")
def handle_data(self,data):
print("data")
def handle_comment(self,data):
print("comment")
def handle_decl(self,decl):
print("decl")
def handle_pi(self,decl):
print("pi")
#从这里开始看起，上面那个继承很简单，全部重载父类函数
#以二进制写的方式存储BBC网页，这是上篇内容(http://blog.csdn.net/xiadasong007/archive/2009/09/03/4516683.aspx),不赘述
file=open("bbc.html",'wb') #it's 'wb',not 'w'
url=urllib.request.urlopen("http://www.bbc.co.uk/")
while(1):
line=url.readline()
if len(line)==0:
break
file.write(line)
#生成一个对象
pht=parseHtml()
#对于这个网站，我使用'utf-8'打开，否则会出错，其他网站可能就不需要，utf-8是UNICODE编码
file=open("bbc.html",encoding='utf-8',mode='r')
#处理网页，feed
while(1):
line=
相关文档：
首先是下载python3，现在的最高版本是3.1.1
for linux。
我的放置路径是/home/python下放置Python-3.1.1.tgz,执行以下系列操作：
1.解压：tar zxvf Python-3.1.1.tgz----生成解压包Python-3.1.1
2.转换到Python-3.1.1路径下，执行./configure
3.make
4.make install
在rehl5中已经默认安装了python2.4,所以要做如下 ......
说实话，Python真的不太适合做这种二进制的东西，天生没有指针，导致在C/C++很容易的东西在Python下就很麻烦。不过好像3.1有了原生的bytes类型，不知道能不能改变现状。
import sys
import time
import socket
import struct
import random
def SendPacketData (Buffer = None , DestIP = "127.0.0.1" , DestPort = 0 ......
Python Firewall Win32 (pyfw-win32)
pyfw-win32是一个可用Python脚本开发数据包过滤(防火墙)的模块。底层使用C语言编写的NDIS中间层驱动(NDIS IMD)提供支持，上层提供Python开发接口。可用Python脚本处理所有逻辑问题，而不必关心底层实现，达到快速、灵活开发的目的。
Google 项目托管：
http://code.google.com/p/py ......
工欲善其事必先利其器！
开发Python用什么工具好呢？其实刚学Python的话，使用IDLE就够了，虽然调试不是特别方便，但是对于初学已经够了，可以使用Print进行简单的调试，不建议使用记事本进行开发，不知道的认为你很牛，知道的……这是自己给自己找罪受，用Editplus貌� ......
