python模块之HTMLParser: 解析html,获取url

最新推荐文章于 2024-09-04 10:53:03 发布

「已注销」

最新推荐文章于 2024-09-04 10:53:03 发布

阅读量924

点赞数

分类专栏：【Python】

【Python】专栏收录该内容

31 篇文章

订阅专栏

本文介绍如何使用Python的HTMLParser模块解析HTML文档，并通过实例演示如何提取<a>标签的href属性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

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
handle_endtag 处理结束标签，比如
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data中间的那些数据
handle_comment 处理注释
handle_decl 处理

#-*- 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)