python中HTMLParser模塊知識(shí)點(diǎn)總結(jié)
本章內(nèi)容，我們主要來(lái)講一下Python內(nèi)置的HTML解析庫(kù)HTMLParser模塊，基本上也是應(yīng)用于頁(yè)面抓取上，假設(shè)，我們需要去收集頁(yè)面上已存在的靜態(tài)鏈接，但是頁(yè)面肯定代碼量都非常大，并且頁(yè)面也很多，這樣看來(lái)，會(huì)比較麻煩，工作量也非常大，這個(gè)時(shí)候，我們就可以用到htmlparser模塊，一起來(lái)了解具體使用內(nèi)容。
安裝：
npm install htmlparser
htmlparser提供構(gòu)造函數(shù)：
function Parser(handler) { this._handler = handler;}
HTMLParser解析HTML:
from html.parser import HTMLParserfrom html.entities import name2codepointclass 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='http://www.b3g6.com/bcjs/1470.html#'>html</a> HTML tutorial...<br>END</p></body></html>’’’)
HTML本質(zhì)上是XML的子集，但是HTML的語(yǔ)法沒(méi)有XML那么嚴(yán)格，大家也可以嘗試?yán)肏TMLParser解析HTML。
知識(shí)點(diǎn)擴(kuò)展：
常用方法介紹
l feed(data)：主要用于接受帶html標(biāo)簽的str，當(dāng)調(diào)用這個(gè)方法時(shí)并提供相應(yīng)的data時(shí)，整個(gè)實(shí)例（instance）開(kāi)始執(zhí)行，結(jié)束執(zhí)行close()。
l handle_starttag(tag, attrs): 這個(gè)方法接收Parse_starttag返回的tag和attrs，并進(jìn)行處理，處理方式通常由使用者進(jìn)行覆蓋，本身為空。
例如，連接的start tag是<a>，那么對(duì)應(yīng)的參數(shù)tag＝’a’（小寫(xiě))。attrs是start tag <>中的屬性，以元組形式（name, value）返回（所有這些內(nèi)容都是小寫(xiě)）。
例如，對(duì)于<A HREF='http://www.baidu.com“>，那么內(nèi)部調(diào)用形式為：handle_starttag（’a’,[(‘href’,’http://www.baidu.com)]）.
l handle_endtag(tag)：跟上述一樣，只是處理的是結(jié)束標(biāo)簽，也就是以</開(kāi)頭的標(biāo)簽。
l handle_data(data)：處理的是網(wǎng)頁(yè)的數(shù)據(jù)，也就是開(kāi)始標(biāo)簽和結(jié)束標(biāo)簽之間的內(nèi)容。例如：<script>...</script>的省略號(hào)內(nèi)容
l handle_comment(data) ，處理注釋?zhuān)?lt;!-- -->之間的文本
l reset()：將實(shí)例重置，包括作為參數(shù)輸入的數(shù)據(jù)進(jìn)行清空。
到此這篇關(guān)于python中HTMLParser模塊知識(shí)點(diǎn)總結(jié)的文章就介紹到這了,更多相關(guān)python中HTMLParser模塊是什么內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！
到此這篇關(guān)于python中HTMLParser模塊知識(shí)點(diǎn)總結(jié)的文章就介紹到這了,更多相關(guān)python中HTMLParser模塊是什么內(nèi)容請(qǐng)搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！
相關(guān)文章：
1. IntelliJ IDEA導(dǎo)入項(xiàng)目的方法2. IntelliJ IDEA導(dǎo)入jar包的方法3. Python ini文件常用操作方法解析4. docker鏡像完全卸載的操作步驟5. idea刪除項(xiàng)目的操作方法6. 基于Java實(shí)現(xiàn)記事本功能7. IntelliJ IDEA配置Tomcat服務(wù)器的方法8. Spring Cloud Alibaba整合Sentinel的實(shí)現(xiàn)步驟9. Spring boot2+jpa+thymeleaf實(shí)現(xiàn)增刪改查10. 一文帶你搞懂react hooks的類(lèi)型聲明
網(wǎng)公網(wǎng)安備