eb頁(yè)面， 一般是HTML頁(yè)面，是Internet組織 信息的基礎(chǔ)元素。Web頁(yè)面元素提取是一類(lèi)常見(jiàn) 問(wèn)題，在網(wǎng)絡(luò)爬蟲(chóng)、瀏覽器等程序中有著不可或 缺的重要作用。

HTML指超文本標(biāo)記語(yǔ)言，嚴(yán)格來(lái)說(shuō)，HTML不 是一種編程語(yǔ)言，而是一種對(duì)信息的標(biāo)記語(yǔ)言， 對(duì)Web的內(nèi)容、格式進(jìn)行描述。

自動(dòng)地從一個(gè)鏈接獲取HTML頁(yè)面是簡(jiǎn)單網(wǎng)絡(luò)爬蟲(chóng)的功能，可以整體分成如下4個(gè)步驟：

1. 步驟1: 讀取保存在本地的html文件；
2. 步驟2：解析并提取其中的圖片鏈接；
3. 步驟3：輸出提取結(jié)果到屏幕；
4. 步驟4：保存提取結(jié)果為文件。

根據(jù)上述步驟，可以寫(xiě)出主程序如下。其中設(shè)置 了4個(gè)函數(shù)getHTMLlines()、extractImageUrls()、 showResults()和saveResults()分別對(duì)應(yīng)上述4個(gè)步驟。

getHTMLlines()：讀取保存在本地的html文件

extractImageUrls()：解析并提取其中的圖片鏈接

showResults()：輸出提取結(jié)果到屏幕

saveResults()：保存提取結(jié)果為文件

代碼：

def main(): 
 inputfile='nationalgeographic.html' 
 outputfile='nationalgeographic-urls.txt' 
 htmlLines=getHTMLlines(inputfile) 
 imageUrls=extractImageUrls(htmlLines) 
 showResults(imageUrls) 
 saveResults(outputfile, imageUrls)

定義main()函數(shù)的目的是為了讓代碼更加清晰， 作為主程序，也可以不采用函數(shù)形式而直接編寫(xiě)。 main()前兩行分別制定了擬獲取HTML文件的路 徑和結(jié)果輸出路徑。

getHTMLlines()：讀取保存在本地的html文件

getHTMLlines()函數(shù)讀取HTML文件并內(nèi)容， 并將結(jié)果轉(zhuǎn)換為一個(gè)分行列表，為了兼容不同編 碼，建議在open()函數(shù)中增加encoding字段，設(shè)置采用UTF-8編碼打開(kāi)文件。

def getHTMLlines(htmlpath): 
 f=open(htmlpath, "r", encoding='utf-8')
 ls=f.readlines() 
 f.close() 
 return ls

extractImageUrls()：解析并提取其中的圖片鏈接

extractImageUrls()是程序的核心，用于解析文件并提取圖像的URL。

def extractImageUrls(htmllist): 
 urls=[] 
 for line in htmllist: 
 if 'img' in line: 
 url=line.split('src=')[-1].split('"')[1] 
 if 'http' in url: 
 urls.append(url) 
 return urls

showResults()：輸出提取結(jié)果到屏幕

showResults()函數(shù)將獲取的鏈接輸出到屏幕上，增加一 個(gè)計(jì)數(shù)變量提供更好用戶(hù)體驗(yàn)。

def showResults(urls): 
 count=0 
 for url in urls: 
 print('第{:2}個(gè)URL:{}'.format(count, url)) 
 count +=1

saveResults()：保存結(jié)果到文件

文出處：

Stack Overflow

https://stackoverflow.com/questions/2053258/how-do-i-output-html-in-a-message-in-the-new-django-messages-framework

原文標(biāo)題：

How do I output HTML in a message in the new Django messages framework?

問(wèn)題：

我正在嘗試通過(guò)Django的消息框架顯示一條信息，這條信息中包含了一些HTML內(nèi)容。具體來(lái)說(shuō)，我使用ModelAdmin.message_user方法發(fā)送消息，這個(gè)方法僅僅是對(duì)messages()的薄封裝：

到目前為止，我嘗試了很多方法，但最后都顯示轉(zhuǎn)義后的HTML。

上面的這段代碼行不通，下面的代碼也不行。

base.html模板里的代碼非常簡(jiǎn)單：

所以我不太確定我做錯(cuò)了什么。

非常感謝您的意見(jiàn)或指導(dǎo)，謝謝！

回答：

該回答獲得最多的59個(gè)贊。

另一種選擇是使用extra_tags關(guān)鍵字參數(shù)，用以表明該信息是安全的。例如：

然后利用模板邏輯來(lái)使用safe filter。

By Django的那些事兒

何謂轉(zhuǎn)義？就是把html語(yǔ)言的關(guān)鍵字過(guò)濾掉。例如，<div>就是html的關(guān)鍵字，如果要在html頁(yè)面上呈現(xiàn)<div>，其源代碼就必須是&lt;div&gt;

Django在默認(rèn)情況下會(huì)自動(dòng)轉(zhuǎn)義html關(guān)鍵字。如果不想轉(zhuǎn)義可以使用safe filter，還有autoescape tag。