PythonHTMLParser模块解析html获取url实例_动视

PythonHTMLParser模块解析html获取url实例

2020-11-27 14:32:23 责编:小采

HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等，是一种处理html的简便途径。HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时，就从HTMLParser派生出新的类，然后重新定义这几个以handler_开头的函数即可。这几个函数包括：

handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签，比如
handle_endtag 处理结束标签，比如
handle_charref 处理特殊字符串，就是以&#开头的，一般是内码表示的字符
handle_entityref 处理一些特殊字符，以&开头的，比如
handle_data 处理数据，就是data中间的那些数据
handle_comment 处理注释
handle_decl 处理 handle_pi 处理形如<?instruction>的东西

这里我以从网页中获取到url为例，介绍一下。要想获取到url，肯定是要分析标签，然后取到它的href属性的值。下面是代码：

#-*- encoding: gb2312 -*-
import HTMLParser

class MyParser(HTMLParser.HTMLParser):
 def __init__(self):
 HTMLParser.HTMLParser.__init__(self) 
 
 def handle_starttag(self, tag, attrs):
 # 这里重新定义了处理开始标签的函数
 if tag == 'a':
 # 判断标签的属性
 for name,value in attrs:
 if name == 'href':
 print value
 

if __name__ == '__main__':
 a = 'test链接到163'
 
 my = MyParser()
 # 传入要分析的数据，是html的。
 my.feed(a)

下载本文

显示全文

全部频道