Das deutsche Python-Forum

Hi leute,
ich beschäftige mich erst seit kurzem mit Python und soll nun ein Programm mit urllib2 schreiben. Dieses Programm soll folgende Dinge enthalten:
- eine Website laden, die auf der Kommandozeile per URL angegeben wird
- diese Seite nach Links durchsucht
- jeden einzelnen link versucht zu laden
- jeden dabei auftretenden Fehler protokolliert.

Da ich absolut kein plan hab wie und wo ich anfangen soll, wäre es nett wenn mir jemand Hilfe dazu geben könnte.


Gruß da-dRu

Hallo.

Hier und da. Und sonst dort

Ich hätte hier "minidom" mit der Methode "getElementsByTagName" verwendet oder alternativ "ElementTree".

Uuh, 'nen Hardcore-XML-Parser für's Web? In your dreams

Tolerante Parser wie BeautifulSoup oder das IIRC performantere Modul aus dem lxml-Paket (Name entfallen, aber irgendwas mit "HTML" ...) bieten sich da vielmehr an.

P.S.: htmllib ist deprecated.

Y0Gi hat geschrieben:Tolerante Parser wie BeautifulSoup oder das IIRC performantere Modul aus dem lxml-Paket (Name entfallen, aber irgendwas mit "HTML" ...) bieten sich da vielmehr an.

lxml.html Was auch interessant ist, ist html5lib, was nur einen Parser bereitstellt und quasi beliebige Objektbäume ausgibt.

Danke, html5lib hatte ich als "das bessere BeautifulSoup" im Hinterkopf. Mit installiertem lxml (das C-Abhängigkeiten hat) wird es noch schneller.