HTMLParser是python用來(lái)解析html的模塊。它可以分析出html里面的標(biāo)簽、數(shù)據(jù)等等，是一種處理html的簡(jiǎn)便途徑。HTMLParser采用的是一種事件驅(qū)動(dòng)的模式，當(dāng)HTMLParser找到一個(gè)特定的標(biāo)記時(shí)，它會(huì)去調(diào)用一個(gè)用戶定義的函數(shù)，以此來(lái)通知程序處理。它主要的用戶回調(diào)函數(shù)的命名都是以handler_開(kāi)頭的，都是HTMLParser的成員函數(shù)。當(dāng)我們使用時(shí)，就從HTMLParser派生出新的類，然后重新定義這幾個(gè)以handler_開(kāi)頭的函數(shù)即可。這幾個(gè)函數(shù)包括：

handle_startendtag? 處理開(kāi)始標(biāo)簽和結(jié)束標(biāo)簽

handle_starttag???? 處理開(kāi)始標(biāo)簽，比如

handle_endtag?????? 處理結(jié)束標(biāo)簽，比如

handle_charref????? 處理特殊字符串，就是以開(kāi)頭的，一般是內(nèi)碼表示的字符

handle_entityref??? 處理一些特殊字符，以&開(kāi)頭的，比如

handle_data???????? 處理數(shù)據(jù)，就是data中間的那些數(shù)據(jù)

handle_comment????? 處理注釋

handle_decl???????? 處理

handle_pi?????????? 處理形如<?instruction>的東西

這里我以從網(wǎng)頁(yè)中獲取到url為例，介紹一下。要想獲取到url，肯定是要分析標(biāo)簽，然后取到它的href屬性的值。下面是代碼：

#-*- encoding: gb2312 -*-

import HTMLParser

class MyParser(HTMLParser.HTMLParser):

def __init__(self):

HTMLParser.HTMLParser.__init__(self)

def handle_starttag(self, tag, attrs):

# 這里重新定義了處理開(kāi)始標(biāo)簽的函數(shù)

if tag == 'a':

# 判斷標(biāo)簽的屬性

for name,value in attrs:

if name == 'href':

print value

if __name__ == '__main__':

a = '

test鏈接到163'

my = MyParser()

# 傳入要分析的數(shù)據(jù)，是html的。

my.feed(a)

總結(jié)

以上是生活随笔為你收集整理的python解析html模块_Python HTMLParser模块解析html获取url实例的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)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。