HTMLParser

HTMLParser是什么？

• 一个用来处理html的类
• 属于模块：html.parser
• 处理数据：通过传入html data, 这个类的实例调用相应的方法进行处理
• 使用时，应当由HTMLParser派生出自己的类，并override需要的函数来作实际的处理。
• 详细说明 →_→ docs.python.org/3/library

---

使用

导入模块

#/usr/bin/env python3

from html.parser import HTMLParser

定义自己的类

class MyHTMLParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print("Encountered a start tag:", tag)
    def handle_endtag(self, tag):
        print("Encountered an end tag :", tag)
    def handle_data(self, data):
        print("Encountered some data  :", data)

解析数据

parser = MyHTMLParser()
data = urllib.request.urlopen('http://www.baidu.com').read().decode('utf-8')
parser.feed(data)

输出：

Decl     : DOCTYPE html
Comment  : STATUS OK
Start tag: html
Start tag: head
Start tag: meta
     attr: ('http-equiv', 'content-type')
     attr: ('content', 'text/html;charset=utf-8')
Start tag: meta
     attr: ('http-equiv', 'X-UA-Compatible')
     attr: ('content', 'IE=Edge')
...