import re
from Parser import *
class NewsParser(Parser):
    """
    doParse 这个方法必须实现，
    参数page为一个dict,page有两个键－url和html，通过page['url']可以获得url,page['html']获得网页的HTML
    """        
    def doParse(self,page):
        self.URL = page['url']
        self.Html = page['html']
        result={}
        result['url'] = page['url']
        sPattern='notice(?P<code>\d{6})_(?P<id>\d{1,7})\.html'
        result.update(self.suckItem(page['url'], sPattern))
        sPattern='<h1>(?P<title>.*?)</h1>.*?<div class="artibody" id="artibody">(?P<content>.*?)</div>'
        
        result.update(self.suckItem(page['html'], sPattern))
        if result.has_key('title'):
            print result['url'],result['title']
        return result
    def suckItem(self,str,sPattern):
        pattern = re.compile(sPattern,re.IGNORECASE | re.DOTALL)
        m=pattern.search(str)
        if m:
            return  m.groupdict()
        else:
            return {}