HTMLParser 学习笔记

本文记录了一些学习Python HTMLParser时的一些心得，基于个人理解，如有错误欢迎指正：

---

资料：https://docs.python.org/3/library/html.parser.html

HTML属于XML的子集，但是格式不像XML这么严格，不能用标准的 DOM 或 SAX 来解析 HTML

python中自带了一个类 HTMLParser用来解析HTML

我们可以看到，HTMLParser里面很多方法都是空的，如果需要使用，需要重写方法

# Overridable -- finish processing of start+end tag: <tag.../>
def handle_startendtag(self, tag, attrs):
    self.handle_starttag(tag, attrs)
    self.handle_endtag(tag)

# Overridable -- handle start tag
def handle_starttag(self, tag, attrs):
    pass

# Overridable -- handle end tag
def handle_endtag(self, tag):
    pass

# Overridable -- handle data
def handle_data(self, data):
    pass

进行简单的方法重写：

#解析属性
def handle_starttag(self, tag, attrs):
    print("Start tag:", tag)