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
时间： 2024-12-18 14:30:59