python中HTMLParser模块知识点总结
本章内容，我们主要来讲一下Python内置的HTML解析库HTMLParser模块，基本上也是应用于页面抓取上，假设，我们需要去收集页面上已存在的静态链接，但是页面肯定代码量都非常大，并且页面也很多，这样看来，会比较麻烦，工作量也非常大，这个时候，我们就可以用到htmlparser模块，一起来了解具体使用内容。
安装：
npm install htmlparser
htmlparser提供构造函数：
function Parser(handler) {
this._handler = handler;
}
HTMLParser解析HTML:
from html.parser import HTMLParser
from html.entities import name2codepoint
class 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=\"#\">html</a> HTML tutorial...<br>END</p>
</body></html>''')
HTML本质上是XML的子集，但是HTML的语法没有XML那么严格，大家也可以尝试利用HTMLParser解析HTML。
知识点扩展：
常用方法介绍
l feed(data)：主要用于接受带html标签的str，当调用这个方法时并提供相应的data时，整个实例（instance）开始执行，结束执行close()。
l handle_starttag(tag, attrs): 这个方法接收Parse_starttag返回的tag和attrs，并进行处理，处理方式通常由使用者进行覆盖，本身为空。
例如，连接的start tag是<a>，那么对应的参数tag＝'a'（小写)。attrs是start tag <>中的属性，以元组形式（name, value）返回（所有这些内容都是小写）。
例如，对于<A HREF="http://www.baidu.com“>，那么内部调用形式为：handle_starttag（'a',[(‘href','http://www.baidu.com)]）.
l handle_endtag(tag)：跟上述一样，只是处理的是结束标签，也就是以</开头的标签。
l handle_data(data)：处理的是网页的数据，也就是开始标签和结束标签之间的内容。例如：<script>...</script>的省略号内容
l handle_comment(data) ，处理注释，<!-- -->之间的文本
l reset()：将实例重置，包括作为参数输入的数据进行清空。
到此这篇关于python中HTMLParser模块知识点总结的文章就介绍到这了,更多相关python中HTMLParser模块是什么内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
到此这篇关于python中HTMLParser模块知识点总结的文章就介绍到这了,更多相关python中HTMLParser模块是什么内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
本文给大家分享的是使用Python实现图片相似度识别的总结，代码实用pil模块比较两个图片的相似度，根据实际实用，代码虽短但效果不错，还是非常靠谱的。2016-02-02
这篇文章给大家介绍Python实现线程池工作模式的相关知识，本文基于Socket通信方法，自定义数据交换协议，围绕苹果树病虫害识别需求，迭代构建了客户机/服务器模式的智能桌面App，感兴趣的朋友跟随小编一起看看吧2022-06-06
函数cv::mean计算数组元素的平均值M,每个通道都是独立的,并返回这个平均值,这篇文章主要给大家介绍了关于OpenCV计算平均值cv::mean的相关资料,需要的朋友可以参考下2021-08-08
这篇文章主要介绍了Python3解决棋盘覆盖问题的方法,简单描述了棋盘覆盖问题的概念、原理及Python相关操作技巧,需要的朋友可以参考下2017-12-12
Python摸鱼神器之利用树莓派opencv人脸识别自动控制电脑显示桌面
这篇文章主要介绍了Python摸鱼神器树莓派opencv人脸识别自动控制电脑显示桌面,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2021-09-09
下面小编就为大家分享一篇对numpy和pandas中数组的合并和拆分详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-04-04
这篇文章主要介绍了python元组列表字典，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-04-04
这篇文章主要介绍了python基于Pandas读写MySQL数据库，帮助大家更好的理解和学习使用python，感兴趣的朋友可以了解下2021-04-04
在项目协同工作或自动化流程完成时，我们需要用一定的手段通知自己或他人。Telegram 非常好用，几个步骤就能创建一个机器人，可惜在国内无法使用。所以本文就来开发一个钉钉通知机器人吧2023-02-02
Pytorch中的model.train() 和 model.eval() 原理与用法解析
pytorch可以给我们提供两种方式来切换训练和评估(推断)的模式，分别是：model.train() 和 model.eval()，这篇文章主要介绍了Pytorch中的model.train() 和 model.eval() 原理与用法,需要的朋友可以参考下2023-04-04
最新评论