HTML操作是編程中很重要的一塊，下面用Python3.x中的html.parser中的HTMLParser類來進(jìn)行HTML的解析。

HTMLParser類定義及常用方法

標(biāo)準(zhǔn)庫中的定義

class html.parser.HTMLParser(*, convert_charrefs=True)

HTMLParser主要是用來解析HTML文件(包括HTML中無效的標(biāo)記)

參數(shù)convert_charrefs表示是否將所有的字符引用自動(dòng)轉(zhuǎn)化為Unicode形式，Python3.5以后默認(rèn)是True

HTMLParser可以接收相應(yīng)的HTML內(nèi)容，并進(jìn)行解析，遇到HTML的標(biāo)簽會(huì)自動(dòng)調(diào)用相應(yīng)的handler(處理方法)來處理，用戶需要自己創(chuàng)建相應(yīng)的子類來繼承HTMLParser，并且復(fù)寫相應(yīng)的handler方法

HTMLParser不會(huì)檢查開始標(biāo)簽和結(jié)束標(biāo)簽是否是一對

常用方法

HTMLParser.feed(data)：接收一個(gè)字符串類型的HTML內(nèi)容，并進(jìn)行解析

HTMLParser.close()：當(dāng)遇到文件結(jié)束標(biāo)簽后進(jìn)行的處理方法。如果子類要復(fù)寫該方法，需要首先調(diào)用HTMLParser累的close()

HTMLParser.reset():重置HTMLParser實(shí)例，該方法會(huì)丟掉未處理的html內(nèi)容

HTMLParser.getpos()：返回當(dāng)前行和相應(yīng)的偏移量

HTMLParser.handle_starttag(tag,?attrs)：對開始標(biāo)簽的處理方法。例如

，參數(shù)tag指的是div，attrs指的是一個(gè)(name,Value)的列表

HTMLParser.handle_endtag(tag)：對結(jié)束標(biāo)簽的處理方法。例如

，參數(shù)tag指的是div

HTMLParser.handle_data(data)：對標(biāo)簽之間的數(shù)據(jù)的處理方法。test,data指的是“test”

HTMLParser.handle_comment(data)：對HTML中注釋的處理方法。

實(shí)例

import json

#For python 3.x

from html.parser import HTMLParser

#定義HTMLParser的子類,用以復(fù)寫HTMLParser中的方法

class MyHTMLParser(HTMLParser):

#構(gòu)造方法,定義data數(shù)組用來存儲(chǔ)html中的數(shù)據(jù)

def __init__(self):

HTMLParser.__init__(self)

self.data = []

#覆蓋starttag方法,可以進(jìn)行一些打印操作

def handle_starttag(self, tag, attrs):

pass

#print("Start Tag: ",tag)

#for attr in attrs:

# print(attr)

#覆蓋endtag方法

def handle_endtag(self, tag):

pass

#覆蓋handle_data方法,用來處理獲取的html數(shù)據(jù),這里保存在data數(shù)組

def handle_data(self, data):

if data.count('\n') == 0:

self.data.append(data)

#讀取本地html文件.(當(dāng)然也可以用urllib.request中的urlopen來打開網(wǎng)頁數(shù)據(jù)并讀取,這里不做介紹)

htmlFile = open(r"/Users/xualvin/Downloads/TFS.htm",'r')

content = htmlFile.read()

#創(chuàng)建子類實(shí)例

parser = MyHTMLParser()

#將html數(shù)據(jù)傳給解析器進(jìn)行解析

parser.feed(content)

#對解析后的數(shù)據(jù)進(jìn)行相應(yīng)操作并打印

for item in parser.data:

if item.startswith("{\"columns\""):

payloadDict = json.loads(item)

list = payloadDict["payload"]["rows"]

for backlog in list:

if backlog[1] == "Product Backlog Item" or backlog[1] == "Bug":

print(backlog[2]," Point: ",backlog[3])

當(dāng)然了，使用Python自帶的HTMLParser還是比較麻煩的，需要手寫處理Html標(biāo)簽的函數(shù)。

建議使用Beautiful Soup，使用方法，猛戳這里！

總結(jié)

以上是生活随笔為你收集整理的python3 解析html_Python3.x网页抓取HTMLParser的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。