您的位置：首页 > 编程语言 > Python开发

分享一个解析html的python的框架--AdvancedHTMLParser

2015-10-24 20:10 981 查看
最近在研究python爬虫,这方面的库也不少,但大多都用不顺手.

今天在github上搜索时发现了这个框架,其用法很简单,和javascript操作DOM几乎一样,刚使用了下,感觉很好用,框架也不大,不算文档70多k,安装也很方便.所以就分享给大家.

地址:https://github.com/kata198/AdvancedHTMLParser

下载后,运行 python setup.py install

使用列子

#coding=utf-8
import AdvancedHTMLParser
ht = '''
<!DOCTYPE HTML>
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<title>网页标题</title>
</head>
<body>
<div class="link">
<a class="csdn" href="http://csdn.net" >CSDN</a><br>
<a href="http://blog.csdn.net/a1468152804/" >我的博客</a>
</div>
<div  id="testid" >div#testid</div>
<p>测试段落一</p>
<p>测试段落二</p>
<p>测试段落三</p>
<p>测试段落四</p>
</body>
</html>
'''
parser = AdvancedHTMLParser.AdvancedHTMLParser()
parser.parseStr(ht)

#根据标签名获取元素
items = parser.getElementsByTagName("p")
for item in items:
print item.innerHTML
#根据类名获取
items = parser.getElementsByClassName("link")
for item in items:
print item.getElementsByClassName("csdn")[0].innerHTML
#根据id获取
print parser.getElementById("testid").innerHTML

输出如下:
测试段落一
测试段落二
测试段落三
测试段落四
CSDN
div#testid


是不是很方便呢.
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 点击这里给我发消息
标签： 
相关文章推荐
新的分享
章节导航