抽取html中的所有链接
2016-04-01 14:58
507 查看
from HTMLParser import HTMLParser class MyHTMLParser(HTMLParser): def __init__(self): HTMLParser.__init__(self) self.links = [] def handle_starttag(self, tag, attrs): #print "Encountered the beginning of a %s tag" % tag if tag == "a": if len(attrs) == 0: pass else: for (variable, value) in attrs: if variable == "href": self.links.append(value) if __name__ == "__main__": html_code = """ <a href="www.google.com"> google.com</a> <A Href="www.pythonclub.org"> PythonClub </a> <A HREF = "www.sina.com.cn"> Sina </a> """ hp = MyHTMLParser() hp.feed(html_code) hp.close() print(hp.links)
输出为:
['www.google.com', 'www.pythonclub.org', 'www.sina.com.cn']
如果想抽取图形链接
<img src='http://www.google.com/intl/zh-CN_ALL/images/logo.gif' />
就要重定义 handle_startendtag( tag, attrs) 函数
相关文章推荐
- HTML <font> 标签
- HTML —— HTML教程|HTML手册|HTML基础|HTML语法
- mac和window下的html开发工具
- HTML学习(七)——框架
- HTML <a> 标签
- 关于HTML中的title换行问题
- 关于VS打开cshtml出现 未能完成该操作。无效指针
- HTML学习(六)——表单
- 使用HTML写一个完整的注册页面
- 好玩的html
- 从服务器获取报表模板到html页面显示报表pdf
- html块状元素和内联元素检索
- html展示 pdf 利器
- C# Html格式内容转Csv内容包括table(重点在rowspan和colspan合并),p,div元素
- C#将html转pdf
- 动态HTML和W3C文档对象模型
- 在HTML中URL、src、href分别代表什么?如何使用?
- HTML学习笔记(七)<div>与<span>
- HTML简介
- HTML <td> 标签的 nowrap 属性