当前位置：首页 > 资讯 > 技术文档

Python HTMLParser模块解析html获取url实例

时间：2020-06-12 20:59 编辑：来源：阅读：
扫一扫，手机访问

摘要：Python HTMLParser模块解析html获取url实例

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)

全部评论(0)

上一篇：python实现通过pil模块对图片格式进行转换的方法
下一篇：玩转python爬虫之cookie使用方法

资讯排行榜
更多>>