python模块之 HTMLParser: 解析html,获取url
2010-10-27 12:09
801 查看
HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等,是一种处理html的简便途径。 HTMLParser采用的是一种事件驱动的模式,当HTMLParser找到一个特定的标记时,它会去调用一个用户定义的函数,以此来通知程序处理。它 主要的用户回调函数的命名都是以handler_开头的,都是HTMLParser的成员函数。当我们使用时,就从HTMLParser派生出新的类,然 后重新定义这几个以handler_开头的函数即可。这几个函数包括:
handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签,比如<xx>
handle_endtag 处理结束标签,比如</xx>
handle_charref 处理特殊字符串,就是以开头的,一般是内码表示的字符
handle_entityref 处理一些特殊字符,以&开头的,比如
handle_data 处理数据,就是<xx>data</xx>中间的那些数据
handle_comment 处理注释
handle_decl 处理<!开头的,比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
handle_pi 处理形如<?instruction>的东西
这里我以从网页中获取到url为例,介绍一下。要想获取到url,肯定是要分析<a>标签,然后取到它的href属性的值。下面是代码:
# -*- encoding: gb2312 -*-
import HTMLParser
class MyParser(HTMLParser.HTMLParser):
def __init__ (self):
HTMLParser.HTMLParser. __init__ (self)
def handle_starttag(self, tag, attrs):
# 这里重新定义了处理开始标签的函数
if tag == ' a ' :
# 判断标签<a>的属性
for name,value in attrs:
if name == ' href ' :
print value
if __name__ == ' __main__ ' :
a = ' <html><head><title>test</title><body><a href="http: //www.163.com">链接到163</a></body></html> '
my = MyParser()
# 传入要分析的数据,是html的。
my.feed(a)
handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签,比如<xx>
handle_endtag 处理结束标签,比如</xx>
handle_charref 处理特殊字符串,就是以开头的,一般是内码表示的字符
handle_entityref 处理一些特殊字符,以&开头的,比如
handle_data 处理数据,就是<xx>data</xx>中间的那些数据
handle_comment 处理注释
handle_decl 处理<!开头的,比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
handle_pi 处理形如<?instruction>的东西
这里我以从网页中获取到url为例,介绍一下。要想获取到url,肯定是要分析<a>标签,然后取到它的href属性的值。下面是代码:
# -*- encoding: gb2312 -*-
import HTMLParser
class MyParser(HTMLParser.HTMLParser):
def __init__ (self):
HTMLParser.HTMLParser. __init__ (self)
def handle_starttag(self, tag, attrs):
# 这里重新定义了处理开始标签的函数
if tag == ' a ' :
# 判断标签<a>的属性
for name,value in attrs:
if name == ' href ' :
print value
if __name__ == ' __main__ ' :
a = ' <html><head><title>test</title><body><a href="http: //www.163.com">链接到163</a></body></html> '
my = MyParser()
# 传入要分析的数据,是html的。
my.feed(a)
相关文章推荐
- Python HTMLParser模块解析html获取url实例
- python模块之HTMLParser: 解析html,获取url
- python模块之HTMLParser: 解析html,获取url
- python模块之HTMLParser: 解析html,获取url
- python模块之HTMLParser: 解析html,获取url
- python模块之HTMLParser: 解析html,获取url
- python模块之HTMLParser: 解析html,获取url
- python 模块-使用HTMLParser 解析html
- python模块学习---HTMLParser(解析HTML文档元素)
- python模块学习---HTMLParser(解析HTML文档元素)
- [转载]python模块学习---HTMLParser(解析HTML文档元素)
- python模块学习---HTMLParser(解析HTML文档元素)
- Python基于lxml模块解析html获取页面内所有叶子节点xpath路径功能示例
- python模块学习---HTMLParser(解析HTML文档元素)
- python模块学习---HTMLParser(解析HTML文档元素)
- python模块之HTMLParser解析出URL链接
- python解析html获取Url
- python学习四:import模块方法、可变参数、字典key判断、版本信息获取、列表解析、
- python解析HTML的方法——HTMLParser
- python网络编程学习笔记(七):HTML和XHTML解析(HTMLParser、BeautifulSoup)