python中HTMLParser模塊知識點總結
本章內容，我們主要來講一下Python內置的HTML解析庫HTMLParser模塊，基本上也是應用于頁面抓取上，假設，我們需要去收集頁面上已存在的靜態(tài)鏈接，但是頁面肯定代碼量都非常大，并且頁面也很多，這樣看來，會比較麻煩，工作量也非常大，這個時候，我們就可以用到htmlparser模塊，一起來了解具體使用內容。
安裝：
npm install htmlparser
htmlparser提供構造函數(shù)：
function Parser(handler) { this._handler = handler;}
HTMLParser解析HTML:
from html.parser import HTMLParserfrom html.entities import name2codepointclass MyHTMLParser(HTMLParser): def handle_starttag(self, tag, attrs): print(’<%s>’ % tag) def handle_endtag(self, tag): print(’</%s>’ % tag) def handle_startendtag(self, tag, attrs): print(’<%s/>’ % tag) def handle_data(self, data): print(data) def handle_comment(self, data): print(’<!--’, data, ’-->’) def handle_entityref(self, name): print(’&%s;’ % name) def handle_charref(self, name): print(’&#%s;’ % name)parser = MyHTMLParser()parser.feed(’’’<html><head></head><body><!-- test html parser --> <p>Some <a href='http://m.b3g6.com/bcjs/1470.html#'>html</a> HTML tutorial...<br>END</p></body></html>’’’)
HTML本質上是XML的子集，但是HTML的語法沒有XML那么嚴格，大家也可以嘗試利用HTMLParser解析HTML。
知識點擴展：
常用方法介紹
l feed(data)：主要用于接受帶html標簽的str，當調用這個方法時并提供相應的data時，整個實例（instance）開始執(zhí)行，結束執(zhí)行close()。
l handle_starttag(tag, attrs): 這個方法接收Parse_starttag返回的tag和attrs，并進行處理，處理方式通常由使用者進行覆蓋，本身為空。
例如，連接的start tag是<a>，那么對應的參數(shù)tag＝’a’（小寫)。attrs是start tag <>中的屬性，以元組形式（name, value）返回（所有這些內容都是小寫）。
例如，對于<A HREF='http://www.baidu.com“>，那么內部調用形式為：handle_starttag（’a’,[(‘href’,’http://www.baidu.com)]）.
l handle_endtag(tag)：跟上述一樣，只是處理的是結束標簽，也就是以</開頭的標簽。
l handle_data(data)：處理的是網頁的數(shù)據(jù)，也就是開始標簽和結束標簽之間的內容。例如：<script>...</script>的省略號內容
l handle_comment(data) ，處理注釋，<!-- -->之間的文本
l reset()：將實例重置，包括作為參數(shù)輸入的數(shù)據(jù)進行清空。
到此這篇關于python中HTMLParser模塊知識點總結的文章就介紹到這了,更多相關python中HTMLParser模塊是什么內容請搜索好吧啦網以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
到此這篇關于python中HTMLParser模塊知識點總結的文章就介紹到這了,更多相關python中HTMLParser模塊是什么內容請搜索好吧啦網以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持好吧啦網！
相關文章：
1. 使用Python webdriver圖書館搶座自動預約的正確方法2. Python字符串到字節(jié)的轉換。雙反斜杠問題3. Python sublime安裝及配置過程詳解4. Linux刪除系統(tǒng)自帶版本Python過程詳解5. Python 合并拼接字符串的方法6. Python3 json模塊之編碼解碼方法講解7. python 使用事件對象asyncio.Event來同步協(xié)程的操作8. ASP.NET MVC使用jQuery ui的progressbar實現(xiàn)進度條9. Java Long類型對比分析10. ASP基礎知識VBScript基本元素講解
網公網安備