跳至内容
Python 俱乐部
用户工具
登录
站点工具
搜索
工具
显示页面
修订记录
反向链接
最近更改
媒体管理器
网站地图
登录
>
最近更改
媒体管理器
网站地图
您的足迹:
python-files:htmlparser
本页面只读。您可以查看源文件,但不能更改它。如果您觉得这是系统错误,请联系管理员。
====== Python 用HTMLParser解析HTML文件 ====== HTMLParser是Python自带的模块,使用简单,能够很容易的实现HTML文件的分析。\\ 本文主要简单讲一下HTMLParser的用法. \\ 使用时需要定义一个从类HTMLParser继承的类,重定义函数: * handle_starttag( tag, attrs) * handle_startendtag( tag, attrs) * handle_endtag( tag) 来实现自己需要的功能。 tag是的html标签,attrs是 (属性,值)元组(tuple)的列表(list). \\ HTMLParser自动将tag和attrs都转为小写。 下面给出的例子抽取了html中的所有链接: <code python> from HTMLParser import HTMLParser class MyHTMLParser(HTMLParser): def __init__(self): HTMLParser.__init__(self) self.links = [] def handle_starttag(self, tag, attrs): #print "Encountered the beginning of a %s tag" % tag if tag == "a": if len(attrs) == 0: pass else: for (variable, value) in attrs: if variable == "href": self.links.append(value) if __name__ == "__main__": html_code = """ <a href="www.google.com"> google.com</a> <A Href="www.pythonclub.org"> PythonClub </a> <A HREF = "www.sina.com.cn"> Sina </a> """ hp = MyHTMLParser() hp.feed(html_code) hp.close() print(hp.links) </code> 输出为: <file> ['www.google.com', 'www.pythonclub.org', 'www.sina.com.cn'] </file> 如果想抽取图形链接 <file> <img src='http://www.google.com/intl/zh-CN_ALL/images/logo.gif' /> </file> 就要重定义 handle_startendtag( tag, attrs) 函数
python-files/htmlparser.txt
· 最后更改: 2010/06/02 01:18 (外部编辑)
页面工具
显示页面
修订记录
反向链接
回到顶部