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www.887551.com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www.887551.com！
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www.887551.com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www.887551.com！
