Python 之 HTMLParser 简单案例

最新推荐文章于 2024-09-04 10:53:03 发布
最新推荐文章于 2024-09-04 10:53:03 发布
阅读量810 收藏 1
点赞数
分类专栏： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_41558061/article/details/79240640
版权
本文介绍了Python3.x中html.parser模块的HTMLParser类用于解析HTML文件的基本使用，包括其主要功能、常用方法，如feed()、close()、reset()等，以及handle_starttag()方法处理开始标签。
摘要由CSDN通过智能技术生成
Python HTML操作（HTMLParser）

HTML操作是编程中很重要的一块，下面用Python3.x中的html.parser中的HTMLParser类来进行HTML的解析。
HTMLParser类定义及常用方法

标准库中的定义

class html.parser.HTMLParser(*,convert_charrefs=True)
1.HTMLParser主要用来解析HTML文件（包括HTML中无效的标记）
2. 参数convert_charrefs表示是否将所有字符引用自动转化为Unicode形式，python3.5以后默认是True
3. HTMLParser可以接收相应的HTML类容，并进行解析，遇到HTML的标签会自动调用相应的handler方法
4. HTMLParser不会检查开始标签和结束标签是否是一对

· 常用方法
1.HTMLParser.feed(data):接受一个字符串类型的HTML内容，并进行解析
2.HTMLParser.close():当遇到文件结束标签后进行的处理。如果子类要复写该方法，需要首先调用HTMLParser类的close()
3.HTMLParser.reset():重置HTMLParser实例，该方法会丢掉为处理的html内容
4.HTMLParser.getpos():返回当前行和相应的偏移量
5.HTMLParser.handle_starttag(tag, attrs):对开始标签的处理方法。例如

,参数tag指的就是div，attrs指的是一个(name,value)的列表
6.HTMLParser.hand
最低0.47元/天 解锁文章
CN-LILU
关注
专栏目录
python系列（亲测有效）：Python爬虫常用之HtmlParser（解析html文字编码为正常显示的内容）
weixin_54626591的博客
06-15 1213
HtmlParser是一个类，在使用时一般继承它然后重载它的方法，来达到解析出需要的数据的目的。
python中html.parser_python模块之HTMLParser简介
weixin_35385921的博客
01-29 7469
html.parser是一个非常简单和实用的库，它的核心是HTMLParser类。工作的流程是：当你feed给它一个类似HTML格式的字符串时，它会调用goahead方法向前迭代各个标签，并调用对应的parse_xxxx方法提取start_tag, tag, attrs data comment和end_tag等等标签信息和数据，然后调用对应的方法对这些抽取出来的内容进行处理。整个HTMLPars...
python html parser
08-22
python html parser
html.parser python_Python中使用HTMLParser解析html实例
weixin_39655993的博客
12-10 165
前几天遇到一个问题,需要把网页中的一部分内容挑出来,于是找到了urllib和HTMLParser两个库.urllib可以将网页爬下来,然后交由HTMLParser解析,初次使用这个库,在查官方文档时也遇到了一些问题,在这里写下来与大家分享.一个例子from HTMLParser import HTMLParserclass MyHTMLParser(HTMLParser):def handle_s...
【Python】HTMLParser：HTML解析
最新发布
2303_80346267的博客
09-04 1152
创建自定义解析器类，继承HTMLParserfrom html . parser import HTMLParser # 创建自定义解析器类，继承HTMLParser class MyHTMLParser(HTMLParser) : def handle_starttag(self , tag , attrs) : print(f"Start tag: {
python解析HTML的方法——HTMLParser
weixin_30883311的博客
11-02 208
HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等，是一种处理html的简便途径。 HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它 主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时...
python自带的用于解析HTML的库HtmlParser
python学习者的博客
12-18 2684
HtmlParser，顾名思义，是解析Html的一个工具。python自带的。 一、常用属性和方法介绍 HtmlParser是一个类，在使用时一般继承它然后重载它的方法，来达到解析出需要的数据的目的。 1.常用属性： lasttag，保存上一个解析的标签名，是字符串。 2.常用方法： handle_starttag(tag, attrs) ，处理开始标签，比如< div>；这里的att...
python的html模块,python模块之HTMLParser
weixin_30598047的博客
07-15 1510
HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等，是一种处理html的简便途径。 HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它 主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时，就从HTMLPar...
HTMLParser用户案例分析：优秀项目中的创新应用
[HTMLParser用户案例分析：优秀项目中的创新应用](https://www.eskimoz.fr/wp-content/uploads/2020/10/Exemple-Avis-Amazon-1024x592.jpg) # 1. HTMLParser简介和基本概念 HTMLParser 是一个用于解析HTML文档并...
Python爬虫实战项目：案例分析与源码分享
资源摘要信息: "本资源集包含了一个关于Python爬虫的项目案例以及该项目的源代码，旨在为学习Python爬虫技术的开发者提供实际操作的参考。其中包含了具体的项目文档和一个针对百度图片进行爬取的爬虫程序。" 知识点...
python之htmlParser入门教程
热门推荐
萧萧的专栏
02-18 1万+
来源 《TextProcessing in Python》  和python官方  tutorial  HTMLParser.HTMLParser() htmlParser模块包含了类HTMLParser  这个类本身很有用.因为当产生事件时，本身并不做任何工作。对HTMLParser.HTMLParser() 的利用需要实现其子类，并且编写处理你感兴趣事件的方法 这里插入一段来
Python的HTMLParser模块：HTML解析的得力工具
m0_62153576的博客
10-08 3119
HTMLParser模块是Python标准库中的一部分，提供了一个基于事件的HTML解析器。它继承自Python的SGMLParser类，用于将HTML文档解析成一系列事件，并在解析过程中调用相应的处理方法。print(f"开始标签:class MyHTMLParser(HTMLParser) : def handle_starttag(self , tag , attrs) : print(f"开始标签: {tag } , 属性: {
python模块学习---HTMLParser(解析HTML文档元素)
Mr_Lee—胜利的博客
04-21 449
HTMLParser是Python自带的模块，使用简单，能够很容易的实现HTML文件的分析。 本文主要简单讲一下HTMLParser的用法. 使用时需要定义一个从类HTMLParser继承的类，重定义函数： handle_starttag( tag, attrs) handle_startendtag( tag, attrs) handle_endtag( tag) 来
python学习笔记16：HTMLParser
yaoliuwei1426的博客
12-01 495
目的：将我喜欢的公众号文章保存为Word，以方便阅读，使用html.parser中的HTMLParser对网页进行解析，并使用docx中的Document将解析结果保存到word中 HTMLParser类定义及常用方法 标准库中的定义 class html.parser.HTMLParser(*, convert_charrefs=True) HTMLParser主要是用来解析HTML文件（包括...
python：html.parser --- 简单的 HTML 和 XHTML 解析器
点点关注不迷路
03-09 905
python：html.parser --- 简单的 HTML 和 XHTML 解析器
Python之HTMLParser
DreamFlyingFish的专栏
05-26 5578
"""A parser for HTML and XHTML."""# This file is based on sgmllib.py, but the API is slightly different.# XXX There should be a way to distinguish between PCDATA (parsed# character data -- the n
python HTMLParser
牧之-_-
03-30 1252
对搜索引擎、文件索引、文档转换、数据检索、站点备份或迁移等应用程序来说，经常用到对网页(即HTML文件)的解析处理。事实上，通过Python语言提供的各种模块，我们无需借助Web服务器或者Web浏览器就能够解析和处理HTML文档。本文上篇中，我们介绍了一个可以帮助简化打开位于本地和Web上的HTML文档的Python模块。在本文中，我们将论述如何使用Python模块来迅速解析在HTML文件中的数据
用python的htmlparser怎么爬取内容
03-31
使用Python的html.parser模块可以很方便地爬取网页内容。下面是一些基本的步骤： 1. 导入模块 ```python from html.parser import HTMLParser ``` 2. 继承HTMLParser类 ```python class MyHTMLParser(HTMLParser): def __init__(self): super().__init__() ``` 3. 实现处理函数 在MyHTMLParser类中实现处理函数，这些函数将在解析HTML文档的过程中被调用。 ```python def handle_starttag(self, tag, attrs): pass def handle_endtag(self, tag): pass def handle_data(self, data): pass ``` 其中，handle_starttag()函数处理开始标签，handle_endtag()函数处理结束标签，handle_data()函数处理标签之间的文本数据。 4. 创建实例并解析HTML文档 ```python parser = MyHTMLParser() parser.feed(html_doc) ``` 其中，html_doc是要解析的HTML文档。 5. 处理结果 解析完成后，可以从MyHTMLParser实例中获取解析结果。 ```python result = parser.result ``` 完整的代码示例： ```python from html.parser import HTMLParser class MyHTMLParser(HTMLParser): def __init__(self): super().__init__() self.result = [] def handle_starttag(self, tag, attrs): self.result.append(tag) def handle_endtag(self, tag): pass def handle_data(self, data): self.result.append(data) html_doc = """ <html> <head> <title>Example</title> </head> <body> <h1>Heading</h1> <p>Paragraph</p> </body> </html> """ parser = MyHTMLParser() parser.feed(html_doc) print(parser.result) ``` 输出结果： ``` ['html', 'head', 'title', 'Example', 'title', 'head', 'body', 'h1', 'Heading', 'h1', 'p', 'Paragraph', 'p', 'body', 'html'] ``` 这个示例只是简单地将标签和文本数据存储在了一个列表中，实际应用中需要根据具体需求进行处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值