第一个解析HTML文件的Python程序

最新推荐文章于 2024-09-24 22:43:36 发布

ustcqi

最新推荐文章于 2024-09-24 22:43:36 发布

阅读量1.4k

点赞数

分类专栏： Python

本文链接：https://blog.csdn.net/demon24/article/details/8117069

版权

Python 专栏收录该内容

28 篇文章 0 订阅

订阅专栏

用HTMLParser模块解析HTML文件，一般要定义一个子类HTMLParser.HTMLParser，并添加用来处理不同标签的函数，这个程序用来提取标题title

myTile.html

<html>
  <head>
    <title>my first html analyze program</title>
  </head>
  
  <body>
    this is my text
  </body>
  
</html>

下面使用python写的html文件解析代码

#-*-coding:utf-8-*-
from HTMLParser import HTMLParser
import sys

class TitleParser(HTMLParser):
    def __init__(self):
        self.title = ''
        self.readingtitle = 0
        HTMLParser.__init__(self)
        
    def handle_starttag(self, tag, attrs):
        if tag == 'title':
            self.readingtitle = 1
            
    def handle_data(self, data):
        if self.readingtitle:
            self.title += data
            
    def handle_endtag(self, tag):
        if tag == 'title':
            self.readingtitle = 0
            
    def gettitle(self):
        return self.title

#fd = open('D:/study/practice/python/NetworkProgramming/analyzeHTML/a.html')
fileHandle = open('./a.html')
titleParser = TitleParser()
titleParser.feed(fileHandle.read())
print "title is :", titleParser.gettitle()

显示的输出结果

title is : my first html analyze program