Python HTMLParser模塊解析html獲取url實(shí)例
HTMLParser是python用來解析html的模塊。它可以分析出html里面的標(biāo)簽、數(shù)據(jù)等等，是一種處理html的簡(jiǎn)便途徑。HTMLParser采用的是一種事件驅(qū)動(dòng)的模式，當(dāng)HTMLParser找到一個(gè)特定的標(biāo)記時(shí)，它會(huì)去調(diào)用一個(gè)用戶定義的函數(shù)，以此來通知程序處理。它主要的用戶回調(diào)函數(shù)的命名都是以handler_開頭的，都是HTMLParser的成員函數(shù)。當(dāng)我們使用時(shí)，就從HTMLParser派生出新的類，然后重新定義這幾個(gè)以handler_開頭的函數(shù)即可。這幾個(gè)函數(shù)包括：
handle_startendtag 處理開始標(biāo)簽和結(jié)束標(biāo)簽
handle_starttag 處理開始標(biāo)簽，比如<xx>
handle_endtag 處理結(jié)束標(biāo)簽，比如</xx>
handle_charref 處理特殊字符串，就是以&#開頭的，一般是內(nèi)碼表示的字符
handle_entityref 處理一些特殊字符，以&開頭的，比如
handle_data 處理數(shù)據(jù)，就是<xx>data</xx>中間的那些數(shù)據(jù)
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
這里我以從網(wǎng)頁中獲取到url為例，介紹一下。要想獲取到url，肯定是要分析<a>標(biāo)簽，然后取到它的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):
# 這里重新定義了處理開始標(biāo)簽的函數(shù)
if tag == 'a':
# 判斷標(biāo)簽<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
my = MyParser()
# 傳入要分析的數(shù)據(jù)，是html的。
my.feed(a)
相關(guān)文章
python對(duì)Excel按條件進(jìn)行內(nèi)容補(bǔ)充(推薦)
這篇文章主要介紹了python對(duì)Excel按條件進(jìn)行內(nèi)容補(bǔ)充的相關(guān)知識(shí)，非常不錯(cuò)，本文通過實(shí)例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2019-11-11
Python學(xué)習(xí)教程之常用的內(nèi)置函數(shù)大全
python給我們提供了很多已經(jīng)定義好的函數(shù)，下面這篇文章主要給大家介紹了關(guān)于Python學(xué)習(xí)教程之一些常用的內(nèi)置函數(shù)，文中分享了關(guān)于數(shù)學(xué)函數(shù)、功能函數(shù)、類型轉(zhuǎn)換函數(shù)、字符串處理和序列處理函數(shù)的相關(guān)資料，需要的朋友可以參考借鑒，下面來一起看看吧。2017-07-07
Django如何實(shí)現(xiàn)密碼錯(cuò)誤報(bào)錯(cuò)提醒
這篇文章主要介紹了Django如何實(shí)現(xiàn)密碼錯(cuò)誤報(bào)錯(cuò)提醒,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值2020-09-09
這篇文章主要介紹了Python_LDA實(shí)現(xiàn)方法詳解，具有一定參考價(jià)值，需要的朋友可以了解下。2017-10-10
詳解利用Python scipy.signal.filtfilt() 實(shí)現(xiàn)信號(hào)濾波
這篇文章主要介紹了詳解利用Python scipy.signal.filtfilt() 實(shí)現(xiàn)信號(hào)濾波，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2019-06-06
這篇文章主要介紹了Django視圖和URL配置詳解，分享了相關(guān)代碼示例，小編覺得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下2018-01-01
python xlsxwriter庫(kù)生成圖表的應(yīng)用示例
這篇文章主要介紹了python xlsxwriter庫(kù)生成圖表的應(yīng)用示例，小編覺得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧2018-03-03
Python實(shí)現(xiàn)簡(jiǎn)單字典樹的方法
這篇文章主要介紹了Python實(shí)現(xiàn)簡(jiǎn)單字典樹的方法,實(shí)例分析了Python字典樹的定義、實(shí)現(xiàn)與使用技巧,需要的朋友可以參考下2016-04-04
這篇文章主要為大家詳細(xì)介紹了Python+OpenCV讓電腦幫你玩微信跳一跳，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01
Python?ConfigParser庫(kù)輕松讀寫INI文件實(shí)例探究
這篇文章主要為大家介紹了Python?ConfigParser庫(kù)輕松讀寫INI文件實(shí)例探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2024-01-01