首頁 > 開發者 > Python

python模組之HTMLParser: 解析html,擷取url

來源：互聯網
上載者：User
創建阿里雲帳戶，並獲得超過 40 款產品的免費試用版；而企業帳戶則可以享有總值 $1200 的免費試用版。立即註冊！
    HTMLParser是python用來解析html的模組。它可以分析出html裡面的標籤、資料等等，是一種處理html的簡便途徑。HTMLParser採用的是一種事件驅動的模式，當HTMLParser找到一個特定的標記時，它會去調用一個使用者定義的函數，以此來通知程式處理。它主要的使用者回呼函數的命名都是以handler_開頭的，都是HTMLParser的成員函數。當我們使用時，就從HTMLParser派生出新的類，然後重新定義這幾個以handler_開頭的函數即可。這幾個函數包括：
handle_startendtag  處理開始標籤和結束標籤
handle_starttag     處理開始標籤，比如<xx>
handle_endtag       處理結束標籤，比如</xx>
handle_charref      處理特殊字元串，就是以&#開頭的，一般是內碼錶示的字元
handle_entityref    處理一些特殊字元，以&開頭的，比如 &nbsp;
handle_data         處理資料，就是<xx>data</xx>中間的那些資料
handle_comment      處理注釋
handle_decl         處理<!開頭的，比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
handle_pi           處理形如<?instruction>的東西
    這裡我以從網頁中擷取到url為例，介紹一下。要想擷取到url，肯定是要分析<a>標籤，然後取到它的href屬性的值。下面是代碼：

#-*- encoding: gb2312 -*-
import HTMLParser

class MyParser(HTMLParser.HTMLParser):
    def __init__(self):
        HTMLParser.HTMLParser.__init__(self)        
        
    def handle_starttag(self, tag, attrs):
        # 這裡重新定義了處理開始標籤的函數
        if tag == 'a':
            # 判斷標籤<a>的屬性
            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">連結到163</a></body></html>'
    
    my = MyParser()
    # 傳入要分析的資料，是html的。
    my.feed(a)
    
    

本文章原先以中文撰寫並發佈於 aliyun.com，亦設英文版本，僅作資訊用途。本網站不對文章的準確性，完整性或可靠性或其任何翻譯作出任何明示或暗示的陳述或保證。如對該文章有任何疑慮或投訴，請傳送電郵至 info-contact@alibabacloud.com 並提供相關疑慮或投訴的詳細說明。職員會於 5 個工作天內與您聯絡，一經驗證之後，即會刪除該侵權內容。

相關關鍵詞：
python xpath html python remove html tags python send html mail python report generator html data url html html input type url html to url conversion
相關文章
Python中的底線的用法介紹
python讀寫ini檔案樣本(python讀寫檔案)_python
python CMDB開發
python：發送郵件
python學習筆記2-列（list）
python學習筆記1-賦值與字串

聯繫我們

該頁面正文內容均來源於網絡整理，並不代表阿里雲官方的觀點，該頁面所提到的產品和服務也與阿里云無關，如果該頁面內容對您造成了困擾，歡迎寫郵件給我們，收到郵件我們將在5個工作日內處理。

如果您發現本社區中有涉嫌抄襲的內容，歡迎發送郵件至： info-contact@alibabacloud.com 進行舉報並提供相關證據，工作人員會在 5 個工作天內聯絡您，一經查實，本站將立刻刪除涉嫌侵權內容。

熱門內容

A Free Trial That Lets You Build Big!

Start building with 50+ products and up to 12 months usage for Elastic Compute Service

Get Started for Free

  • Sales Support

    1 on 1 presale consultation

    Chat Contact Sales

  • After-Sales Support

    24/7 Technical Support 6 Free Tickets per Quarter Faster Response

    Open a Ticket

  • Alibaba Cloud offers highly flexible support services tailored to meet your exact needs.

    Learn More