這篇文章運(yùn)用簡單易懂的例子給大家介紹怎么實(shí)現(xiàn)HTMLParser解析HTML，代碼非常詳細(xì)，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

創(chuàng)新互聯(lián)專業(yè)為企業(yè)提供丹寨網(wǎng)站建設(shè)、丹寨做網(wǎng)站、丹寨網(wǎng)站設(shè)計(jì)、丹寨網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)與制作、丹寨企業(yè)網(wǎng)站模板建站服務(wù)，10年丹寨做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。

對于我們用Python實(shí)現(xiàn)的爬蟲首要任務(wù)可以分為兩個(gè)步驟，第一步是用爬蟲把目標(biāo)網(wǎng)站的頁面抓下來，第二步就是解析該HTML頁面，看看里面的內(nèi)容到底是新聞、圖片還是視頻。

假設(shè)第一步已經(jīng)完成了，第二步應(yīng)該如何解析HTML呢？

HTML本質(zhì)上是XML的子集，但是HTML的語法沒有XML那么嚴(yán)格，所以不能用標(biāo)準(zhǔn)的DOM或SAX來解析HTML。

好在Python提供了HTMLParser來非常方便地解析HTML，只需簡單幾行代碼：

from HTMLParser import HTMLParser
from htmlentitydefs 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('<!-- -->')
 
  def handle_entityref(self, name):
    print('&%s;' % name)
 
  def handle_charref(self, name):
    print('&#%s;' % name)
 
parser = MyHTMLParser()
parser.feed('<p>Some <a href="\"#\"">html</a> tutorial...<br>END</p>')

feed()方法可以多次調(diào)用，也就是不一定一次把整個(gè)HTML字符串都塞進(jìn)去，可以一部分一部分塞進(jìn)去。

特殊字符有兩種，一種是英文表示的 ，一種是數(shù)字表示的?，這兩種字符都可以通過Parser解析出來。

小結(jié)

找一個(gè)網(wǎng)頁，例如https://www.python.org/events/python-events/，用瀏覽器查看源碼并復(fù)制，然后嘗試解析一下HTML，輸出Python官網(wǎng)發(fā)布的會(huì)議時(shí)間、名稱和地點(diǎn)。

關(guān)于怎么實(shí)現(xiàn)HTMLParser解析HTML就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識(shí)。如果覺得文章不錯(cuò)，可以把它分享出去讓更多的人看到。

文章標(biāo)題：怎么實(shí)現(xiàn)HTMLParser解析HTML
網(wǎng)頁鏈接：http://chinadenli.net/article44/jeihee.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供響應(yīng)式網(wǎng)站、做網(wǎng)站、移動(dòng)網(wǎng)站建設(shè)、小程序開發(fā)、虛擬主機(jī)、網(wǎng)站設(shè)計(jì)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來源： 創(chuàng)新互聯(lián)