Python HTMLParser模塊解析html獲取url實例

更新時間：2015年04月08日 11:13:54 投稿：junjie

這篇文章主要介紹了Python HTMLParser模塊解析html獲取url實例,HTMLParser是python用來解析html的模塊,HTMLParser采用的是一種事件驅(qū)動的模式,需要的朋友可以參考下

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的簡便途徑。HTMLParser采用的是一種事件驅(qū)動的模式，當(dāng)HTMLParser找到一個特定的標(biāo)記時，它會去調(diào)用一個用戶定義的函數(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，就從HTMLParser派生出新的類，然后重新定義這幾個以handler_開頭的函數(shù)即可。這幾個函數(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)

您可能感興趣的文章:

python中HTMLParser模塊知識點總結(jié)

相關(guān)文章

python冒泡排序簡單實現(xiàn)方法
這篇文章主要介紹了python冒泡排序簡單實現(xiàn)方法,實例分析了Python冒泡排序的簡單實現(xiàn)技巧,具有一定參考借鑒價值,需要的朋友可以參考下
2015-07-07
Python結(jié)合DeepSeek API實現(xiàn)PDF轉(zhuǎn)Word的方案
隨著信息化時代的不斷推進,PDF和Word文件格式已經(jīng)成為了日常辦公中最常見的文檔格式,在許多工作場景中,我們需要將PDF文件轉(zhuǎn)換成Word格式,本文將介紹如何結(jié)合DeepSeek API與Python,快速實現(xiàn)一個PDF轉(zhuǎn)Word的工具,需要的朋友可以參考下
2025-02-02
python遍歷字符串中每一個字符的4種方式
很多計算過程都需要每次從一個字符串中取一個字符,下面這篇文章主要給大家介紹了關(guān)于python遍歷字符串中每一個字符的4種方式,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下
2023-05-05
Python修改文件往指定行插入內(nèi)容的實例
今天小編就為大家分享一篇Python修改文件往指定行插入內(nèi)容的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2019-01-01
利用Python計算圓周率π的實例代碼
圓周率沒有精確的計算公式，所以只能用近似的方式計算它的近似值。這篇文章主要介紹了利用Python計算圓周率π的相關(guān)資料，需要的朋友可以參考下
2021-05-05
Python中對象的引用與復(fù)制代碼示例
這篇文章主要介紹了Python中對象的引用與復(fù)制代碼示例，具有一定借鑒價值，需要的朋友可以了解下。
2017-12-12
PyTorch之torch.randn()如何創(chuàng)建正態(tài)分布隨機數(shù)
這篇文章主要介紹了PyTorch之torch.randn()如何創(chuàng)建正態(tài)分布隨機數(shù)問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
2023-02-02
pycharm 無法加載文件activate.ps1的原因分析及解決方法
這篇文章主要介紹了pycharm報錯提示：無法加載文件\venv\Scripts\activate.ps1，因為在此系統(tǒng)上禁止運行腳本,解決方法終端輸入get-executionpolicy，回車返回Restricted即可，需要的朋友可以參考下
2022-11-11
Python利用omegaconf庫輕松實現(xiàn)配置文件管理
omegaconf是一個靈活且強大的Python配置管理庫,支持YAML,dict,列表等多種數(shù)據(jù)格式,下面我們就來看看如何使用omegaconf實現(xiàn)配置文件管理吧
2025-02-02
利用Python編寫一個注冊機用于生成卡密
這篇文章主要為大家詳細(xì)介紹了如何利用Python編寫一個注冊機用于生成卡密（兌換碼）,并使用這些卡密登錄應(yīng)用程序,感興趣的小伙伴可以了解下
2023-11-11