使用HTMLParser 解析html

浏览数：24 / 时间：2015年06月09日

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

郑重声明：本站内容如果来自互联网及其他传播媒体，其版权均属原媒体及文章作者所有。转载目的在于传递更多信息及用于网络分享，并不代表本站赞同其观点和对其真实性负责，也不构成任何其他建议。

使用HTMLParser 解析html