主页 > 知识库 > python中HTMLParser模块知识点总结

python中HTMLParser模块知识点总结

热门标签:外呼电信系统 电话机器人哪里有卖 惠州龙门400电话要怎么申请 热门电销机器人 河南虚拟外呼系统公司 上海企业外呼系统 万利达百货商场地图标注 智能机器人电销神器 okcc外呼系统怎么调速度

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!

您可能感兴趣的文章:
  • 详解html-webpack-plugin插件(用法总结)
  • JavaScript通过HTML的class来获取HTML元素的方法总结
  • 获取HTML DOM节点元素的方法的总结
  • HTML相关知识点总结

标签:合肥 绥化 周口 淮安 秦皇岛 周口 百色 绵阳

巨人网络通讯声明:本文标题《python中HTMLParser模块知识点总结》,本文关键词  python,中,HTMLParser,模块,知识点,;如发现本文内容存在版权问题,烦请提供相关信息告之我们,我们将及时沟通与处理。本站内容系统采集于网络,涉及言论、版权与本站无关。
  • 相关文章
  • 下面列出与本文章《python中HTMLParser模块知识点总结》相关的同类信息!
  • 本页收集关于python中HTMLParser模块知识点总结的相关信息资讯供网民参考!
  • 企业400电话

    智能AI客服机器人
    15000

    在线订购

    合计11份范本:公司章程+合伙协议+出资协议+合作协议+股权转让协议+增资扩股协议+股权激励+股东会决议+董事会决议

    推荐文章