class HTMLTreeParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.stack = Stack()
def handle_starttag(self, tag, attrs):
self.stack.push(E(tag))
def handle_endtag(self, tag):
tmp_stack = Stack()
top = self.stack.peek()
opening_tag_on_top = (top.tag == tag)
while not opening_tag_on_top:
tmp = self.stack.pop()
tmp_stack.push(tmp)
top = self.stack.peek()
if top.tag == tag:
opening_tag_on_top = True
tree = self.stack.pop()
while not tmp_stack.is_empty():
tree.add_child(tmp_stack.pop())
self.stack.push(tree)
def get_tree(self):
''' retourne l'arbre HTML correspondant au code
HTML indiqué par la méthode feed '''
if self.stack.size() == 1:
return self.stack.peek()
else:
return None
class HTMLTreeParser(HTMLParser):
def __init__(self):
HTMLParser.__init__(self)
self.stack = Stack()
def handle_starttag(self, tag, attrs):
attr_dict = {}
for (attr, value) in attrs:
attr_dict[attr] = value
self.stack.push(E(tag, attr_dict))
def handle_endtag(self, tag):
# Lorsqu'on rencontre une balise fermante, il faut fabriquer
# un arbre avec tous les éléments qui se trouvent sur la pile
# jusqu'à ce qu'on rencontre la balise ouvrante qui devra être
# la racine de cet arbre. On suppose que le code HTML est
# correctement équilibré en balises
# la pile tmp_stack est utilisée pour rétablir l'ordre inversé
# des sous-arbres qui sont remis sur la pile
tmp_stack = Stack()
# flag qui indique si la balise ouvrante se trouve au sommet
# de la pile. Il faut déjà faire la vérification avant
# d'essayer de dépiler des éléments
top = self.stack.peek()
opening_tag_on_top = (top.tag == tag)
# on dépile tous les éléments jusqu'à ce qu'on rencontre au
# sommet de la pile la balise ouvrante correspondant à la
# balise fermante actuellement traitée.
while not opening_tag_on_top:
tmp = self.stack.pop()
tmp_stack.push(tmp)
# on utilise un bloc try, car il se peut que top soit un
# objet de type Text (qui ne possède pas d'attribut
# tagname)
try:
top = self.stack.peek()
opening_tag_on_top = (top.tag == tag)
except:
pass
# il faut construire un arbre dont la racine est la balise du
# sommet de la pile et dont les sous-arbres sont les arbres
# qui se trouvent sur la pile tmp_stack
tree = self.stack.pop()
while not tmp_stack.is_empty():
tree.add_child(tmp_stack.pop())
self.stack.push(tree)
def handle_startendtag(self, tag, attrs):
attr_dict = {}
for (attr, value) in attrs:
attr_dict[attr] = value
self.stack.push(E(tag, attr_dict))
def handle_data(self, data):
self.stack.push(T(data))
def get_tree(self):
if self.stack.size() == 1:
return self.stack.pop()
else:
raise HTMLParseError(
"La pile ne pas contient l'arbre à son sommet")