HTMLParser是python用來解析html的模塊。它可以分析出html里面的標簽、數(shù)據(jù)等等，是一種處理html的簡便途徑。 HTMLParser采用的是一種事件驅(qū)動的模式，當(dāng)HTMLParser找到一個特定的標記時，它會去調(diào)用一個用戶定義的函數(shù)，以此來通知程序處理。它 主要的用戶回調(diào)函數(shù)的命名都是以handler_開頭的，都是HTMLParser的成員函數(shù)。當(dāng)我們使用時，就從HTMLParser派生出新的類，然 后重新定義這幾個以handler_開頭的函數(shù)即可。這幾個函數(shù)包括：

handle_startendtag? 處理開始標簽和結(jié)束標簽

handle_starttag???? 處理開始標簽，比如

handle_endtag?????? 處理結(jié)束標簽，比如

handle_charref????? 處理特殊字符串，就是以開頭的，一般是內(nèi)碼表示的字符

handle_entityref??? 處理一些特殊字符，以&開頭的，比如 ?

handle_data???????? 處理數(shù)據(jù)，就是data中間的那些數(shù)據(jù)

handle_comment????? 處理注釋

handle_decl???????? 處理

handle_pi?????????? 處理形如<?instruction>的東西

這里我以從網(wǎng)頁中獲取到url為例，介紹一下。要想獲取到url，肯定是要分析標簽，然后取到它的href屬性的值。下面是代碼：

1 #-*- encoding: gb2312 -*-

2 importHTMLParser3

4 classMyParser(HTMLParser.HTMLParser):5 def __init__(self):6 HTMLParser.HTMLParser.__init__(self)7

8 defhandle_starttag(self, tag, attrs):9 #這里重新定義了處理開始標簽的函數(shù)

10 if tag == 'a':11 #判斷標簽的屬性

12 for name,value inattrs:13 if name == 'href':14 printvalue15

16

17 if __name__ == '__main__':18 a = '

test鏈接到163'

19

20 my =MyParser()21

22 #傳入要分析的數(shù)據(jù)，���html的。

23 my.feed(a)

如果是python3的，導(dǎo)入為 form html.request import HTMLParser ,具體可以參考http://docs.python.org/library/htmlparser.html

執(zhí)行結(jié)果

http://www.163.com

總結(jié)

以上是生活随笔為你收集整理的html.parser python_python模块之HTMLParser的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。