HTMLParser python usage

'''
Created on 2013-12-2
http://cloudaice.com/yong-pythonde-htmlparserfen-xi-htmlye-mian/

@author: Administrator
'''
from HTMLParser import  HTMLParser


import urllib
import sys


class ParseLinks(HTMLParser):
    
    def __init__(self):
        HTMLParser.__init__(self)
        self.data = []
        self.href=0
        self.linkname=''
        
    def handle_starttag(self, tag,attrs):
        
        if tag == 'a':
            for name,value in attrs:
                if name == 'href':
                    self.href =1
                    
    
    def handle_data(self, data):
        if self.href :
            self.linkname += data
            
        
    def handle_endtag(self, tag):
        if tag == 'a':
            self.linkname = ''.join(self.linkname.split())
            self.linkname = self.linkname.strip()
            
            if self.linkname:
                self.data.append(self.linkname)
            self.linkname = ''
            self.href = 0
            
    def getresult(self):
        for value in self.data:
            print value    
 
 
        
if __name__ == "__main__":
    MyParser = ParseLinks()
    MyParser.feed(urllib.urlopen("http://www.python.org/index.html").read())
    MyParser.getresult()

    MyParser.close()

上面的解析实现了下面的功能，还是正则比较方便

p = re.compile(r'<a.*?>(.*?)</a>', re.I| re.M)
 match = p.findall(html)
 print match