首页 > 代码库 > 使用HTMLParser 解析html
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('<html><head><title>Test</title></head>' '<body><h1>Parse me!</h1></body></html>')源html为:
<html> <head> <title>Test</title> </head> <body> <h1>Parse me!</h1> </body> </html>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
使用HTMLParser 解析html
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。