python解析html模块_python 模块-使用HTMLParser 解析html

python里面的HTMLParser解析html，跟c++和其他语言的html库解析不同，是使用类继承的方式。

通过重实现HTMLParser类的几个函数，来达到解析html的目的。

主要的重载的函数有：

handle_starttag #开始标签的解析

handle_endtag #结束标签的解析

handle_data     #标签内数据的解析

下面通过一个例子看学习下具体的使用(这个例子是python主页上的一个例子)：

from html.parser import HTMLParser

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)

parser = MyHTMLParser()

parser.feed('

Test'

'

Parse me!

')

源html为：

Test

Parse me!

输出结果为：

Encountered a start tag: html

Encountered a start tag: head

Encountered a start tag: title

Encountered some data : Test

Encountered an end tag : title

Encountered an end tag : head

Encountered a start tag: body

Encountered a start tag: h1

Encountered some data : Parse me!

Encountered an end tag : h1

Encountered an end tag : body

Encountered an end tag : html现在标签内容都能解析了。

总结：

1)继承HTMLParser类

class MYParser(HTMLParser)：

2)def handle_starttag(self, tag, attrs) #重定义解析开始标签，tag为标签，attrs是标签的属性及属性值：是个dict

#这儿有一个例子，提取网页中的网址

3) def handle_endtag(self, tag): #重定义解析结束标签

4)def handle_data(self, data): #重定义解析数据