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)
分享到：
相关推荐
HTMLParser是一个用于解析HTML文档的Java库，它允许开发者高效且灵活地处理HTML内容。在Web开发中，尤其是在数据抓取、网页解析或自动化测试等领域，HTMLParser扮演着重要角色。下面将详细介绍HTMLParser库的核心...
HTMLParser是Python中用于解析HTML文档的一个库，它允许开发者以事件驱动的方式处理HTML文档的结构。这个库特别适用于从不规范的HTML源码中提取数据，因为网页内容的格式可能会因各种原因而不尽完美。在本例中，我们...
主要介绍了Python HTMLParser模块解析html获取url实例,HTMLParser是python用来解析html的模块,HTMLParser采用的是一种事件驱动的模式,需要的朋友可以参考下
HTML解析器John Resig 的更新版本 -这是基于 Erik Arvidsson 的 toDOM()已删除，不需要this上下文更正了 WScript throw Error()为 WScript 工作toXMLString可以传入tag() , attr() makeMap也会制作大写版本用法 var ...
Python在处理HTML文档时提供了多种方法，这些方法可以帮助开发者有效地解析和提取网页中的信息。本文将详细介绍其中的几种主要技术，包括lxml、XPath、HTMLParser以及SGMLParser。 首先，`lxml`是一个强大的库，它...
主要介绍了Python中使用HTMLParser解析html实例,本文直接给出使用示例,并总结出HTMLParser含有的方法分为两类,一类是需要显式调用的,而另一类不需显示调用,需要的朋友可以参考下
HtmlParser是一个强大的开源库，主要用于解析HTML文档，它在处理不规则的HTML结构时表现出了极高的灵活性和稳定性。这个"HtmlParser 2.1 码源"是该库的2015年6月的最新版本，包含了用于理解和操作HTML内容的全部源...
1. 错误处理：HTML文档可能不规范，解析器需要具备处理不完整或错误的HTML标签的能力。 2. 性能优化：如果需要处理大量HTML，解析速度是个关键因素。选择性能优越的解析器可以提高效率。 3. 兼容性：确保所选解析器...
### Python之htmlParser入门教程详解 #### 一、HTMLParser模块简介 HTMLParser模块是Python标准库中的一个重要组成部分，主要用于解析HTML文档。该模块提供的`HTMLParser`类可以帮助开发者轻松地解析HTML或XHTML...
HTMLParser是一款用于Java开发的网页解析库，它允许开发者高效地提取和处理HTML文档中的数据。在Web开发中，尤其是在爬虫程序或者自动化测试中，HTMLParser是一个非常实用的工具。下面将详细介绍HTMLParser库的核心...
Python HTML Parser是一个强大的工具，用于在Python环境中解析HTML和XML文档。这个库使得开发者能够方便地提取和操作网页上的数据，特别是在进行网络爬虫或数据挖掘项目时非常有用。本篇将详细介绍Python中的...
HtmlParser.Net是来源于Java的一个用来解析html的组件，主要用于改造或提取html。它能够高速解析html，是非常好的一个html解析和分析工具。 这个是.Net版本包括源代码和帮助文档。 版本：HTMLParser.Net - Community...
如果我们要编写一个搜索引擎，第...好在Python提供了HTMLParser来非常方便地解析HTML，只需简单几行代码： from HTMLParser import HTMLParser from htmlentitydefs import name2codepoint class MyHTMLParser(HTMLPa
5. **错误处理**：HTML文档往往不规范，`htmlparser.jar`能较好地处理这些不规范情况，确保解析过程不会轻易中断。 使用`htmlparser.jar`时，通常需要以下步骤： 1. **导入库**：在Java项目中，首先需要将`...
HTML解析器 一个非常简单的 JavaScript HTML 解析器。 用法 它只是一个带有parse()方法的类。 var dom = htmlParser . parse ( '<p class=test><a>tag !</>' ) ; // now throw it at a selector engine*: $ ...
HTMLParser是Python标准库中的一个模块，它提供了一个基础的事件驱动的HTML解析器。这个解析器并不尝试理解HTML的语义，而是将HTML文档分解成一系列的标记事件，如开始标签、结束标签、字符数据等。开发者可以注册...
HTMLParser是一个Java库，专为解析HTML而设计。它提供了对HTML文档的解析能力，使得开发者可以方便地处理网页内容，提取有用的信息或者进行数据抓取。这个工具在IT行业中，尤其是在Web开发和数据处理领域，有着广泛...
2. 解析器设计模式：在C++中实现HTMLParser通常会用到解析器设计模式，这包括推式解析器（Push Parser）和拉式解析器（Pull Parser）。推式解析器接收输入流，并在接收到特定事件时调用预定义的回调函数。拉式解析器...
#gulp-htmlparser 插件解析HTML用 包裹gulp-htmlparser 描述使用 gulp 将 html 解析为 js 对象节点版本>= 0.9 吞咽版3.x用法安装 npm install gulp-htmlparser --save＃＃例子 var gulp = require ( 'gulp' ) ;...