html.parser — Python中的简单HTML和XHTML解析器
本文向大家介绍html.parser — Python中的简单HTML和XHTML解析器，包括了html.parser — Python中的简单HTML和XHTML解析器的使用技巧和注意事项，需要的朋友参考一下
此模块中定义的HTMLParser类提供了解析HTML和XHMTL文档的功能。此类包含可以标识标签，数据，注释和其他HTML元素的处理程序方法。
我们必须定义一个继承HTMLParser类的新类，并使用feed()方法提交HTML文本。
from html.parser import HTMLParser
class parser(HTMLParser):
pass
p = parser()p.feed('<a href = "www.yiidian.com"></a>')
我们必须重写其以下方法
handle_starttag(tag, attrs):
HTML标记通常是成对的开始标记和结束标记。例如<head>和</ head>。调用此方法来处理标签的开始。
标签名称转换为小写。attrs参数代表在标签的<>括号内找到的属性。
例如，对于标签<a href = "www.yiidian.com"> </a>，将其馈送到解析器对象。
from html.parser import HTMLParser
class parser(HTMLParser):
def handle_starttag(self, tag, attrs):
print("开始标签：", tag)
for attr in attrs:
print(" attr:", attr)
p = parser()p.feed('<a href = "www.yiidian.com">')
输出结果
开始标签： a
attr: ('href', 'www.yiidian.com')
handle_endtag(tag):
调用此方法来处理元素的结束标记。
def handle_endtag(self, tag):
print ("end tag",tag)
handle_data(data):
调用此方法来处理标签之间的任意数据。例如：
def handle_data(self, data): print (data) p = parser()html = ''' <html> <body> <h1>Nhooo</h1> <b>Python standard library</b> <p>HTML module</p> </body> </html>''' p.feed(html)
输出结果
开始标签： h1 Nhooo end tag h1 开始标签： b Python standard library end tag b 开始标签： p HTML module end tag p
HTMLParser类中的其他方法如下：
get_starttag_text()
返回最近打开的开始标签的文本。
getpos()
返回当前行号和偏移量。
handle_startendtag（标签，属性）
与handle_starttag()类似，但是在解析器遇到XHTML样式的空标记（<img ... />）时调用。
handle_comment（数据）
遇到评论时（例如<！-comment->），将调用此方法。
