python模块学习---HTMLParser(解析HTML文档元素)
来源:互联网 发布:tripmode mac 编辑:程序博客网 时间:2024/06/06 18:34
HTMLParser是Python自带的模块,使用简单,能够很容易的实现HTML文件的分析。
本文主要简单讲一下HTMLParser的用法.
使用时需要定义一个从类HTMLParser继承的类,重定义函数:
handle_starttag( tag, attrs)
handle_startendtag( tag, attrs)
handle_endtag( tag)
来实现自己需要的功能。
tag是的html标签,attrs是 (属性,值)元组(tuple)的列表(list)。
HTMLParser自动将tag和attrs都转为小写。
下面给出的例子抽取了html中的所有链接:(在PYTHON3.3版本中)
- from html.parser 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)
运行结果为:
['www.google.com', 'www.pythonclub.org', 'www.sina.com.cn']
---------------------------------------------
显示HTML中<a>标签之间的文字:
- from html.parser import HTMLParser
- page ='''''<sada>啊啊啊</sada><a href="http://click.union.360buy.com/JdClick /?unionId=75" class="f1" style="padding-left:13px; padding-right:14px">京东商城</a></td><td><a href="http://www.letao.com /?source=hao123" class="f1">乐淘网上鞋城</a></td><td><a href="http://www.lashou.com/cl_today/w_3001" class="f2">拉手团购</a></td><td><a href="http://www.amazon.cn/?tag=2009hao123famousdaohang" class="f2">亚马逊</a></td><td><a href="http://www.vancl.com/?source=hao123mp" class="f1">凡客诚品</a></td><td><a href="http://reg.jiayuan.com/st/?id=3237&url=/st /main.php" class="f1">世纪佳缘'''
- class hp(HTMLParser):
- a_text = False
- def handle_starttag(self,tag,attr):
- if tag == 'a':
- self.a_text = True
- #print (dict(attr))
- def handle_endtag(self,tag):
- if tag == 'a':
- self.a_text = False
- def handle_data(self,data):
- if self.a_text:
- print (data)
- yk = hp()
- yk.feed(page)
- yk.close()
运行结果如下:
京东商城
乐淘网上鞋城
拉手团购
亚马逊
凡客诚品
世纪佳缘
注:在eclipse中的pydev中调试,记得中文编码问题,在项目中右键改编码为utf-8
0 0
- 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模块学习---HTMLParser(解析HTML文档元素)
- python 模块-使用HTMLParser 解析html
- Python中使用HTMLParser解析HTML文档
- 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
- Html文档解析器 HTMLParser
- Python学习总结笔记(6)-- HTML解析之HTMLParser
- python 解析html文档模块HTMLPaeser
- 使用Python的HTMLParser解析HTML文本
- python:解析html(HTMLParser、SGMLParser)
- python中html解析 HTMLParser与sgmllib
- python:解析html(HTMLParser、SGMLParser)
- Python 用HTMLParser解析HTML文件
- python:html元素解析
- And Then There Was One
- java知识
- redis主从复制
- maven POM.xml 标签
- opencv 中图像的坐标系
- python模块学习---HTMLParser(解析HTML文档元素)
- jquery修改下拉框的值
- vue音乐播放器插件vue-aplayer的配置及其使用
- A1052.Linked List Sorting
- 如何用clang analyzer定制静态分析规则(2)创建定制规则库篇
- Zedboard---实验六秒计数
- Linux可加载内核模块(LKM)
- 第八周作业2(LeetCode6)
- 97.二叉树的最大深度