Python 用HTMLParser解析

发布时间：2019-09-06 08:57:53编辑：auto阅读（1743）

    HTMLParser是Python自带的模块，使用简单，能够很容易的实现HTML文件的分析。
    本文主要简单讲一下HTMLParser的用法.

    使用时需要定义一个从类HTMLParser继承的类，重定义函数：

    • handle_starttag( tag, attrs)
    • handle_startendtag( tag, attrs)
    • handle_endtag( tag)

    来实现自己需要的功能。

    tag是的html标签，attrs是 (属性，值)元组(tuple)的列表(list).
    HTMLParser自动将tag和attrs都转为小写。

    下面给出的例子抽取了html中的所有链接：

    from HTMLParser import HTMLParser
 
class MyHTMLParser(HTMLParser):
    def __init__(self):
        HTMLParser.__init__(self)
        self.links = []
 
    def handle_starttag(self, tag, attrs):
        #print "Encountered the beginning of a %s tag" % tag
        if tag == "a":
            if len(attrs) == 0: pass
            else:
                for (variable, value)  in attrs:
                    if variable == "href":
                        self.links.append(value)
 
if __name__ == "__main__":
    html_code = """
        <a href="www.google.com"> google.com</a>
        <A Href="www.pythonclub.org"> PythonClub </a>
        <A HREF = "www.sina.com.cn"> Sina </a>
        """    
    hp = MyHTMLParser()
    hp.feed(html_code)
    hp.close()
    print(hp.links)

    输出为：

    
['www.google.com', 'www.pythonclub.org', 'www.sina.com.cn']

    如果想抽取图形链接

    
<img src='http://www.google.com/intl/zh-CN_ALL/p_w_picpaths/logo.gif' />

    就要重定义 handle_startendtag( tag, attrs) 函数

关键字：

上一篇： （OSPF实验）OSPF ABR Typ

下一篇： 典型python文件结构