python解析html模块_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
handle_endtag 处理结束标签,比如
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data中间的那些数据
handle_comment 处理注释
handle_decl 处理
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':
# 判断标签的属性
for name,value in attrs:
if name == 'href':
print value
if __name__ == '__main__':
a = '
test链接到163'
my = MyParser()
# 传入要分析的数据,是html的。
my.feed(a)
python解析html模块_Python HTMLParser模块解析html获取url实例相关推荐
- python argparse模块_Python argparse模块应用实例解析
这篇文章主要介绍了Python argparse模块应用实例解析,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,需要的朋友可以参考下 简介 argparse是python ...
- inspect python模块_python常用模块-inspect模块
#判断模块.框架.类.函数的方法,和type返回的类型是一样的,只是这里是判断 inspect.getmodulename(path) 获取模块名称 inspect.ismodule(object) ...
- python如何自定义模块_python自定义模块和开源模块使用方法
模块,用一砣代码实现了某个功能的代码集合. 类似于函数式编程和面向过程编程,函数式编程则完成一个功能,其他代码用来调用即可,提供了代码的重用性和代码间的耦合.而对于一个复杂的功能来,可能需要多个函数才 ...
- python 自定义模块_Python 自定义模块路径
问题: 假设我们自己写了一个名为 log_config.py 的日志记录程序模块.此模块会被其他程序所引用,如下例子. import log_config logger = log_config.lo ...
- python shelve模块_python常用模块之shelve模块
python常用模块之shelve模块 shelve模块是一个简单的k,v将内存中的数据通过文件持久化的模块,可以持久化任何pickle可支持的python数据类型 我们在上面讲json.pickle ...
- python常用运维模块_python常用模块之一
sys模块: sys模块是提供关于python本身的详细内在的信息的模块. sys.executable变量,它包含python解释器的路径 sys.platform变量,告诉我们现在处于什么操作系统 ...
- python pp模块_python常用模块
1.re模块 re模块用于对python的正则表达式的操作 1.1 什么是正则 正则就是用一些具有特殊含义的符号组合到一起(称为正则表达式)来描述字符或者字符串的方法.或者说:正则就是用来描述一类事物 ...
- python counter模块_python collections模块 计数器(counter)
一.计数器(counter) Counter是对字典类型的补充,用于追踪值的出现次数. ps:具备字典的所有功能 + 自己的功能 把我写入的元素出现的多少次都计算出来 import collectio ...
- python中的模块_python的模块和包的详细说明
Python模块和包的详细说明 模块的导入 模块的加载与修改 模块和脚本的说明 模块搜索路径 包的导入 一.模块的导入 之前我们简单的使用了一下模块,并没有详细的介绍,现在我们来详细的说说 1.什么是 ...
最新文章
- 子图同构问题Ullmann 算法(二)
- CDOJ_327 BerOS file system
- [Math][Algebra]--线性代数中的各种空间
- 记录我开发工作中遇到HTTP跨域和OPTION请求的一个坑
- linux内实践核分析模块
- 洛谷P3144 [USACO16OPEN]关闭农场Closing the Farm_Silver
- ats反向代理和重定向
- Linux网络编程——多播
- 移动端实现内滚动的4种方案
- 修改系统文件内容的经典错误总结
- 《算法图解》高清PDF版
- 【数字信号调制】基于matlab 16QAM信号调制解调【含Matlab源码 2050期】
- vm安装dmg苹果镜像_无需刻录DMG光盘,教你在VMWare下安装MAC OS X Snow Leopard 10.6
- EXCEL表格所有的快捷键
- java中的方法基础
- SAST、DAST、IAST几种测试工具的比较
- Java入门-机票购买、座舱等级、淡旺季计算价格
- 深入理解机器学习——机器学习概览
- 最新全球学术排名出炉:23所中国大学跻身世界前100名!
- Diffraction、Scatterring、Diffusion、Reflection 衍射、散射、干涉、折射 傻傻分不清
热门文章
- Bzoj4817:[SDOI2017]树点涂色
- write/read/send/receive函数比较
- 网上整理的jQuery插件开发教程
- Facebook提升性能的一大法宝:HipHop
- Xen server三 为xen添加存储及创建虚拟机
- 如何分析802.11协议中的BA帧(block acknowledgement)
- SpringBoot面向切面编程-用AOP方式管理日志
- 万维钢新书《你有你的计划,世界另有计划》_《丑小鸭定理》读书笔记
- LayoutInflater中调用系统服务
- 百度地图与谷歌地球的偏差调整