Python - 将HTML序列化并输出为JSON

Question

我有一个HTML页面，上面显示了一些值。同时，我还有一个小应用程序，可以显示我其他页面的数据，但那些页面是JSON格式的，不是HTML。

我想从这个HTML页面获取这些值，把它们转换成JSON格式，然后输出。

这样做的原因是我可以简单地重用我的代码，只需要更改网址，或者甚至动态生成网址。

我把HTML页面做得尽量简单，以便去掉所有多余的东西，这样正则表达式就可以更简单。

这是我的HTML：

<div class="BlockA">
    <h4>BlockA</h4>
    <div class="name">John Smith</div>
    <div class="number">2</div>
    <div class="name">Paul Peterson</div>
    <div class="number">14</div>
</div>

<div class="BlockB">
    <h4>BlockB</h4>
    <div class="name">Steve Jones</div>
    <div class="number">5</div>
</div>

这两个代码块的元素数量会根据一些因素而有所不同。

这是我的Python代码：

def index(request, toGet="xyz"):
    file = urllib2.urlopen("http://www.mysite.com/mypage?data="+toGet)
    data = file.read()
    dom = parseString(data)
    rows = dom.getElementsByTagName("BlockA")[0]
    readIn = ""
    for row in rows:
        readIn = readIn+json.dumps(
            {'name': row.getAttribute("location"),
            'number': row.getAttribute("number")},
            sort_keys=True,
            indent=4)+","
    response_generator = ( "["+readIn[:-1]+"]" )
    return HttpResponse(response_generator)

基本上，这段代码是读取这些值（实际上，这里的源是XML），然后循环遍历它们，最后输出所有的值。

如果有人能给我指个方向，我会非常感激。例如，如何读取像“BlockA”这样的标签，然后再读取“name”和“number”这些标签。

谢谢。

Answer 1

如果你真的需要在Python中解析一个HTML页面，建议你使用Beautiful Soup这个工具。不过我有点怀疑你是否真的需要这样做。你要解析的HTML页面和JSON输出是用同一个Django实例生成的吗？它们都是同一个项目的一部分吗？

如果它们确实是同一个项目的一部分，那么你可以使用像django-piston这样的工具，它是一个为Python设计的RESTful框架。这个框架可以让你定义哪些数据需要被公开，并且可以输出成多种格式，比如HTML/Django模板、JSON、XML或YAML。你还可以创建自己的输出方式，以便输出成其他格式。

这样的话，你就可以把一个特定的URL当作普通模板来使用，或者获取相同的数据以JSON格式输出，这样解析起来会比HTML简单得多。

如果我误解了你的问题，真是抱歉。不过听起来你确实想把一个视图以多种不同格式公开，而使用RESTful框架会对你有帮助。