ja_paragrafusokEloszor

gistfile1.py

from urllib2 import urlopen
from BeautifulSoup import BeautifulSoup

class Tisztitas(object):

        def __init__(self, url):
                self.url = url

        def megnyit(self):
                return urlopen(self.url)

        def beolvasKodolva(self):
                i = self.megnyit().read()
                return BeautifulSoup(i.decode('latin-1'))

        def cimekListaja(self):
                i = self.beolvasKodolva()
                return i.findAll('a', attrs={'name' : True})

        def cimekEsSzoveg(self):
                cimek = self.cimekListaja()
                for i in self.beolvasKodolva().findAll('p'):
                        if i.find('a'):
                                print 'cim', i.text
                        else:
                                print 'szoveg', i.text

if __name__ == '__main__':
    a = Tisztitas('http://mek.niif.hu/00700/00707/html/vs192601.htm')
    a.cimekEsSzoveg()