python 解析html文档 html.parse

解析html文档，采用html.parser  库

```
#1 导入库，
from html.parser import HTMLParser
from html.entities import name2codepoint
#2 创建具体处理文档的类，继承HTML
#里面的方法必须重写，方法名不可以随便变化，否则无法处理。
class MyHTMLParser(HTMLParser):
    #处理开始标签，参数为标签和属性列表。
    def handle_starttag(self,tag,attrs):
        print('开始---',tag)
        for attr in attrs:
            print('属性',attr)
    #处理结束标签，参数为 标签
    def handle_endtag(self,tag):
        print('结束...',tag)
    #处理数据，数据是开始标签和结束标签的所有内容
    #默认处理所有标签的数据。
    #所以具体使用的使用，请在开始标签和结束标签处理方法中
    #设计一些属性来检测是否位于我们所希望的标签内部
    def handle_data(self,data):
        print('数据+++',data)
    #处理注释，参数是data，是猪似的内容.
    def handle_comment(self,data):
        print('This is zhu shi ',data)
    #处理一些声明，doctype  html.开头标记
    def handle_decl(self, decl):
        print('-'*50,decl,'-'*50)
    #处理实体字符,name参数是文档中所有的实体字符,chr()方法，将实体字符转化为字符串一种是英文表示的 ，
    def handle_entityref(self,name):
        c=chr(name2codepoint[name])
        print('entityref:',c)
    #处理殊字符有两种，一种是数字表示的Ӓ，这两种字符都可以通过Parser解析出来
    def handle_charref(self, name):
        if name.startswith() == 'x':
            c=chr(int(name[1:],16))
        else:
            c=chr(int(name))
        print('Num ent :',c)
#创建解析对象
parser=MyHTMLParser()

with open('Text文本格式.html','r') as f:
    for line in f.readlines():
        #调用解析对象的read方法进行解释，参数是字符串feed()方法可以多次调用，也就是不一定一次把整个HTML字符串都塞进去，可以一部分一部分塞进去.
        parser.feed(line)    
```