求助 python的问题

[vivre_1]

import urllib
import HTMLParser
class parselinks(HTMLParser.HTMLParser):
    urlText= []
    def __int__(self):
        HTMLParser.HTMLParser.__init__(self)
    def handle_starttag(self,tag,attrs):
        if tag == 'a':
            for name,value in attrs:
                if name == 'href':
                   self.urlText.append(value)
if __name__=='__main__':
    my = parselinks()
    j = 0 
    i = 0 
    urlText1 = []
    my.feed(urllib.urlopen("http://www.yxlink.com/index.html").read())
    urlText1 = my.urlText
    while i < len(urlText1):
        print len(urlText1)
        urlText1[i] = "http://www.yxlink.com/"+urlText1[i]
        my.urlText=[]
        my.feed(urllib.urlopen(urlText1[i]).read())
        print len(my.urlText)
        j = 0 
        while j< len(my.urlText):
            my.urlText[j] = "http://www.yxlink.com/"+my.urlText[j]
            print my.urlText[j]
            print my.urlText[j] in urlText1
            if my.urlText[j] in urlText1 :
                j+=1
                print i,j
            else :
                urlText1.append(str(my.urlText[j]))
                j+=1 
                print i,j
        i+=1
    print urlText1

求助 为什么
while i < len(urlText1):
print len(urlText1)
urlText1[i] = "http://www.yxlink.com/"+urlText1[i]
my.urlText=[]
my.feed(urllib.urlopen(urlText1[i]).read())
print len(my.urlText)
这边的 print len(my.urlText) 是 0 呢

[vivre_1]

my.feed(urllib.urlopen(urlText1[i]).read())

这行代码会给 my.urlText 赋值的。。没传递过去啊。

[vivre_1]

[Quote=引用 1 楼 iambic 的回复:]

当然是0了。你前面一行写了：
my.urlText=[]
隔了一行打印
print len(my.urlText)
中间又没修改my.urlText，那就是[]。

另外别在代码里写这种urlText，urlText1，名字这么相近，区别度很低，可读性很差，容易出bug。用点有意义的名字。
[/Quote]

import urllib
import HTMLParser
import sys
class parselinks(HTMLParser.HTMLParser):
    urlText= []
    def __int__(self):
        HTMLParser.HTMLParser.__init__(self)
    def handle_starttag(self,tag,attrs):
        if tag == 'a':
            for name,value in attrs:
                if name == 'href':
                   self.urlText.append(value)
                            
if __name__=='__main__':
    my = parselinks()
    
    
    a = urllib.urlopen("http://www.yxlink.com/index.html")
    my.feed(a.read())
    print my.urlText
    a = urllib.urlopen("http://www.yxlink.com/support-download.html" )
    my.feed(a.read())
    print my.urlText
   

看上面这行代码 重新2次调用的结果是一样的。可实际不一样的啊，问题出在哪

[iambic]

哦，不好意思，没看仔细。

先不管你的代码具体的错误，首先，你代码的设计就很糟糕。用了一个parselinks对象，这个对象维护，然后所有的人又都去修改它重设它，这是很糟糕的，一来不好用，二来很容易用错。我先把你这个类重新设计下。
另外，原来的linkparser__init__写的也不对，写成了__int__。也不要用urlText = []这种写法初始化mutable的字段。

这一部分修改过的代码如下（没仔细看原来的代码逻辑，不确定改的对不对-_-）：

import urllib
import HTMLParser

class LinkParser(HTMLParser.HTMLParser):
    def __init__(self):
        HTMLParser.HTMLParser.__init__(self)
        self.links= []

    def handle_starttag(self,tag,attrs):
        print self.links
        if tag == 'a':
            for name,value in attrs:
                if name == 'href':
                   self.links.append(value)

def parseLinks(url):
    parser = LinkParser()
    parser.feed(urllib.urlopen(url).read())
    return parser.links

if __name__=='__main__':
    j = 0 
    i = 0 
    links = parseLinks("http://www.yxlink.com/index.html")
    while i < len(links):
        print len(links)
        links[i] = "http://www.yxlink.com/"+links[i]
        moreLinks = parseLinks(links[i])
        print len(moreLinks)
        j = 0 
        while j< len(moreLinks):
            moreLinks[j] = "http://www.yxlink.com/"+moreLinks[j]
            print moreLinks[j]
            print moreLinks[j] in links
            if moreLinks[j] in links :
                j+=1
                print i,j
            else :
                links.append(str(moreLinks[j]))
                j+=1 
                print i,j
        i+=1
    print links

[iambic]

楼主先别着急，我慢慢改你的代码。

这一段代码也不好：

            if moreLinks[j] in links :
                j+=1
                print i,j
            else :
                links.append(str(moreLinks[j]))
                j+=1 
                print i,j

改成：

            if moreLinks[j] not in links :
                links.append(str(moreLinks[j]))
            j += 1 
            print i, j

[iambic]

代码里还有很多：

        links[i] = "http://www.yxlink.com/"+links[i]

其实这样写是不太对的。只有相对路径的url才能直接加，如果是http://开头的url你这样加是不对的。所以我写了一个单独的函数，这个函数不是很完美，但是如果有需要的话可以再改进。因为代码都独立出来了，改起来很容易。

import urllib
import HTMLParser

class LinkParser(HTMLParser.HTMLParser):
    def __init__(self):
        HTMLParser.HTMLParser.__init__(self)
        self.links= []

    def handle_starttag(self,tag,attrs):
        print self.links
        if tag == 'a':
            for name,value in attrs:
                if name == 'href':
                   self.links.append(value)

def parseLinks(url):
    parser = LinkParser()
    parser.feed(urllib.urlopen(url).read())
    return parser.links

def completeLink(url):
    root = "http://www.yxlink.com"
    if url.startswith('http://'):
        return url
    elif url.startswith('/'):
        return root + url
    else:
        return root + '/' + url

if __name__=='__main__':
    j = 0 
    i = 0 
    links = map(completeLink, parseLinks("http://www.yxlink.com/index.html"))
    while i < len(links):
        moreLinks = map(completeLink, parseLinks(links[i]))
        print len(moreLinks)
        j = 0 
        while j < len(moreLinks):
            print moreLinks[j]
            print moreLinks[j] in links
            if moreLinks[j] not in links :
                links.append(str(moreLinks[j]))
            j += 1 
            print i, j
        i += 1
    print links

[iambic]

当然是0了。你前面一行写了：
my.urlText=[]
隔了一行打印
print len(my.urlText)
中间又没修改my.urlText，那就是[]。

另外别在代码里写这种urlText，urlText1，名字这么相近，区别度很低，可读性很差，容易出bug。用点有意义的名字。