 |
 |
 |
Python ライブラリリファレンス |  |
 |
 |
|
|
|
Python ライブラリリファレンス | |
|
|
このモジュールでは SGML (Standard Generalized Mark-up Language: 汎用マークアップ言語標準) で書式化されたテキストファイルを解析 するための基礎として働く SGMLParser クラスを定義しています。 実際には、このクラスは完全な SGML パーザを提供しているわけではありません -- このクラスは HTML で用いられているような SGML だけを解析し、 モジュール自体も htmllib モジュールの基礎にするため だけに存在しています。XHTML をサポートし、少し異なったインタフェースを 提供しているもう一つの HTML パーザは、HTMLParser モジュールで使うことができます。
| ) |
例外が以下のように定義されます:
SGMLParser インスタンスは以下のメソッドを持っています:
| ) |
| ) |
<PAINTEXT> を実装
できるようにするためだけに提供されています)
| ) |
| data) |
| ) |
| ) |
| tag, method, attributes) |
(name, value) のペアからなる
リストで、タグの <> 括弧内にある属性が収められています。
name は小文字に変換されます。
value 内の二重引用符とバックスラッシュも変換され、
と同時に知られている文字参照および知られているエンティティ参照で
セミコロンで終端されているものも変換されます(通常、エンティティ参照は任意の非英数文字
で終端されてよいのですが、これを許すと非常に一般的な
<A HREF="url?spam=1&eggs=2"> において eggs が
正当なエンティティ参照であるようなケースを破綻させます)。
例えば、タグ
<A HREF="http://www.cwi.nl/"> を処理する場合、このメソッドは
"unknown_starttag('a', [('href', 'http://www.cwi.nl/')])"として呼び出されます。基底クラスの実装では、単に method
を単一の引数 attributes と共に呼び出します。
バージョン 2.5 で 新たに追加 された仕様:
属性値中のエンティティおよび文字参照の扱い
| tag, method) |
| data) |
| ref) |
unknown_charref(ref)
が呼び出されます。
バージョン 2.5 で 変更 された仕様:
ハードコードされた変換に代わり convert_charref()
を使います
| ref) |
None を返します。
ref は文字列として渡される参照です。基底クラスでは
ref は 0-255 の範囲の十進数でなければなりません。
そしてコードポイントをメソッド convert_codepoint()
を使って変換します。もし ref が不正もしくは範囲外ならば、
None を返します。このメソッドはデフォルト実装の
handle_charref から、あるいは属性値パーザから呼び出されます。
バージョン 2.5 で 新たに追加 された仕様です。
| codepoint) |
| ref) |
unknown_entityref(ref) を呼び出します。
標準では entitydefs は
&、 &apos、 >、 <、および
" の変換を定義しています。
バージョン 2.5 で 変更 された仕様:
ハードコードされた変換に代わり convert_entityref()
を使います
| ref) |
None
を返します。変換結果は再パーズしません。 ref はエンティティの名前部分だけ
です。デフォルトの実装ではインスタンス(またはクラス)変数の
entitydefs というエンティティ名から対応する文字列へのマッピング
から ref を探します。もし ref に対応する文字列が見つからなければ
メソッドは None を返します。このメソッドは handle_entityref()
のデフォルト実装からおよび属性値パーザから呼び出されます。
バージョン 2.5 で 新たに追加 された仕様です。
| comment) |
'text' で呼び出されます。基底クラスの実装では何も行いません。
| data) |
DOCTYPE は HTML だけに見られる宣言ですが、
パーザは宣言間の相違 (や誤った宣言) を判別しません。DOCTYPE
の内部サブセット宣言はサポートされていません。
decl パラメタは <!...> 記述内の宣言内容
全体になります。基底クラスの実装では何も行いません。
| tag) |
| tag, attributes) |
| tag) |
| ref) |
| ref) |
上に挙げたメソッドを上書きしたり拡張したりするのとは別に、導出 クラスでは以下の形式のメソッドを定義して、特定のタグを処理する こともできます。入力ストリーム中のタグ名は大小文字の区別に依存 しません; メソッド名中の tag は小文字でなければなりません:
| attributes) |
| attributes) |
| ) |
パーザは開始されたエレメントのうち、終了タグがまだ見つかっていない もののスタックを維持しているので注意してください。 start_tag() で処理されたタグだけがスタックにプッシュ されます。are pushed on this stack. Definition of an それらのタグに対する end_tag() メソッドの定義は オプションです。do_tag() や unknown_tag() で処理されるタグについては、end_tag() を定義しては いけません; 定義されていても使われることはありません。 あるタグに対して start_tag および do_tag() メソッドの両方が存在する場合、start_tag() が優先されます。
|
|
|
Python ライブラリリファレンス | |
|
|