python读取html文件中的内容并输出_使用python提取html文件中的特定数据的实现代码...

例如 具有如下结构的html文件

感兴趣内容1

感兴趣内容2

……

感兴趣内容n

内容1

内容2

……

内容n

我们尝试获得'感兴趣内容'

对于文本内容,我们保存到IDList中。

可是如何标记我们遇到的文本是感兴趣的内容呢，也就是，处于

这里的内容

还有这里

……

以及这里的内容

思路如下

遇到

设置标记flag = True

遇到

后 设置标记flag = False

当flag 为True时遇到

设置标记getdata = True

遇到

且getdata = True,设置getdata = False

python为我们提供了SGMLParser类，SGMLParser 将 HTML 分析成 8 类数据[1]，然后对每一类调用单独的方法:使用时只需继承SGMLParser 类，并编写页面信息的处理函数。

可用的处理函数如下：

开始标记 (Start tag)

是一个开始一个块的 HTML 标记，象 ，

， 或

 等，或是一个独一的标记，象 
 或  等。当