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HTMLParser派生出新的类,然后重新定义这几个以handler_开头的函数即可。这几个函数包括:
handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签,比如<xx>
handle_endtag 处理结束标签,比如</xx>
handle_charref 处理特殊字符串,就是以&#开头的,一般是内码表示的字符
handle_entityref 处理一些特殊字符,以&开头的,比如
handle_data 处理数据,就是<xx>data</xx>中间的那些数据
handle_comment 处理注释
handle_decl 处理<!开头的,比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
handle_pi 处理形如<?instruction>的东西
这里我以从网页中获取到url为例,介绍一下。要想获取到url,肯定是要分析<a>标签,然后取到它的href属性的值。下面是代码:
# -*- encoding: gb2312 -*-
import HTMLParser
class MyParser(HTMLParser.HTMLParser):
def __init__ (self):
HTMLParser.HTMLParser. __init__ (self)
def handle_starttag(self, tag, attrs):
# 这里重新定义了处理开始标签的函数
if tag == ' a ' :
# 判断标签<a>的属性
for name,value in attrs:
if name == ' href ' :
print value
if __name__ == ' __main__ ' :
a = ' <html><head><title>test</title><body><a href="http: //www.163.com">链接到163</a></body></html> '
my = MyParser()
# 传入要分析的数据,是html的。
my.feed(a)
分享到:
相关推荐
HtmlParser 解析HTML元素
主要介绍了Python HTMLParser模块解析html获取url实例,HTMLParser是python用来解析html的模块,HTMLParser采用的是一种事件驱动的模式,需要的朋友可以参考下
HTML解析器John Resig 的更新版本 -这是基于 Erik Arvidsson 的 toDOM()已删除,不需要this上下文更正了 WScript throw Error()为 WScript 工作toXMLString可以传入tag() , attr() makeMap也会制作大写版本用法 var ...
主要介绍了Python中使用HTMLParser解析html实例,本文直接给出使用示例,并总结出HTMLParser含有的方法分为两类,一类是需要显式调用的,而另一类不需显示调用,需要的朋友可以参考下
HtmlParser HTML解析器
如果我们要编写一个搜索引擎,第...好在Python提供了HTMLParser来非常方便地解析HTML,只需简单几行代码: from HTMLParser import HTMLParser from htmlentitydefs import name2codepoint class MyHTMLParser(HTMLPa
htmlparser:cpp htmlparser实现
HTML解析器 一个非常简单的 JavaScript HTML 解析器。 用法 它只是一个带有parse()方法的类。 var dom = htmlParser . parse ( '<p class=test><a>tag !</>' ) ; // now throw it at a selector engine*: $ ...
HtmlParser.Net是来源于Java的一个用来解析html的组件,主要用于改造或提取html。它能够高速解析html,是非常好的一个html解析和分析工具。 这个是.Net版本包括源代码和帮助文档。 版本:HTMLParser.Net - Community...
#gulp-htmlparser 插件解析HTML用 包裹gulp-htmlparser 描述使用 gulp 将 html 解析为 js 对象节点版本>= 0.9 吞咽版3.x用法安装 npm install gulp-htmlparser --save##例子 var gulp = require ( 'gulp' ) ;...
htmlparser(HTML页面解析)例子
python之htmlParser入门教程分享.docx
HtmlParser 2.1 码源。2015年6月最新下载
HTMLParser HTML解析 HTMLParser HTML解析 HTMLParser HTML解析
python解析html的几种方法,lxml,xpath,htmlparser,SGMLParser等操作
Html解析助手htmlparser.jar。Html解析助手htmlparser.jar
htmlparser2 快速而宽容HTML / XML解析器。 安装 npm install htmlparser2 提供htmlparser2的实时演示。 生态系统 名称 描述 快速且宽容HTML / XML解析器 htmlparser2的处理程序,可将文档转换为DOM 使用...