Python HTMLParser模块解析html获取url实例
HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等，是一种处理html的简便途径。HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时，就从HTMLParser派生出新的类，然后重新定义这几个以handler_开头的函数即可。这几个函数包括：
handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签，比如<xx>
handle_endtag 处理结束标签，比如</xx>
handle_charref 处理特殊字符串，就是以&#开头的，一般是内码表示的字符
handle_entityref 处理一些特殊字符，以&开头的，比如
handle_data 处理数据，就是<xx>data</xx>中间的那些数据
handle_comment 处理注释
handle_decl 处理<!开头的，比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"
handle_pi 处理形如<?instruction>的东西
这里我以从网页中获取到url为例，介绍一下。要想获取到url，肯定是要分析<a>标签，然后取到它的href属性的值。下面是代码：
#-*- encoding: gb2312 -*-
import HTMLParser
class MyParser(HTMLParser.HTMLParser):
def __init__(self):
HTMLParser.HTMLParser.__init__(self)
def handle_starttag(self, tag, attrs):
# 这里重新定义了处理开始标签的函数
if tag == 'a':
# 判断标签<a>的属性
for name,value in attrs:
if name == 'href':
print value
if __name__ == '__main__':
a = '<html><head><title>test</title><body><a href="http://www.163.com">链接到163</a></body></html>'
my = MyParser()
# 传入要分析的数据，是html的。
my.feed(a)
相关文章
这篇文章主要介绍了python冒泡排序简单实现方法,实例分析了Python冒泡排序的简单实现技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-07-07
Python结合DeepSeek API实现PDF转Word的方案
随着信息化时代的不断推进,PDF和Word文件格式已经成为了日常办公中最常见的文档格式,在许多工作场景中,我们需要将PDF文件转换成Word格式,本文将介绍如何结合DeepSeek API与Python,快速实现一个PDF转Word的工具,需要的朋友可以参考下2025-02-02
很多计算过程都需要每次从一个字符串中取一个字符,下面这篇文章主要给大家介绍了关于python遍历字符串中每一个字符的4种方式,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2023-05-05
今天小编就为大家分享一篇Python修改文件往指定行插入内容的实例，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2019-01-01
圆周率没有精确的计算公式，所以只能用近似的方式计算它的近似值。这篇文章主要介绍了利用Python计算圆周率π的相关资料，需要的朋友可以参考下2021-05-05
这篇文章主要介绍了Python中对象的引用与复制代码示例，具有一定借鉴价值，需要的朋友可以了解下。2017-12-12
PyTorch之torch.randn()如何创建正态分布随机数
这篇文章主要介绍了PyTorch之torch.randn()如何创建正态分布随机数问题，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-02-02
pycharm 无法加载文件activate.ps1的原因分析及解决方法
这篇文章主要介绍了pycharm报错提示：无法加载文件\venv\Scripts\activate.ps1，因为在此系统上禁止运行脚本,解决方法终端输入get-executionpolicy，回车返回Restricted即可，需要的朋友可以参考下2022-11-11
omegaconf是一个灵活且强大的Python配置管理库,支持YAML,dict,列表等多种数据格式,下面我们就来看看如何使用omegaconf实现配置文件管理吧2025-02-02
这篇文章主要为大家详细介绍了如何利用Python编写一个注册机用于生成卡密（兑换码）,并使用这些卡密登录应用程序,感兴趣的小伙伴可以了解下2023-11-11
最新评论