HtmlParser，顾名思义，是解析Html的一个工具。python自带的。

 

一、常用属性和方法介绍

 

HtmlParser是一个类，在使用时一般继承它然后重载它的方法，来达到解析出需要的数据的目的。

 

1.常用属性：

 

lasttag，保存上一个解析的标签名，是字符串。

 

2.常用方法：

 

handle_starttag(tag, attrs) ，处理开始标签，比如< div>；这里的attrs获取到的是属性列表，属性以元组的方式展示

 

handle_endtag(tag) ，处理结束标签,比如< /div>

 

handle_startendtag(tag, attrs) ，处理自己结束的标签，如< img />

 

handle_data(data) ，处理数据，标签之间的文本

 

handle_comment(data) ，处理注释，< !-- -->之间的文本

 

二、基本使用

 

不多说，上代码

 

以上是根据python手册写的基本使用，解析了一个简单的html。可以运行看看，主要用于了解各个函数负责解析的部分，以及解析顺序。

 

三、实用案例

 

以下的实用案例均在上面的代码中修改对应函数，每个实例都是单独的。

 

解析的html如下：

 

1.获取属性的函数，是个静态函数，新增的。直接定义在类中，返回属性名对应的属性

 

2.获取所有p标签的文本，最简单方法只修改handle_data

 

3.获取css样式（class）为p_font的p标签的文本，使用了案例1，增加一个实例属性作为标志，选取需要的标签

 

4.获取p标签的属性列表

 

5.获取p标签的class属性

 

6.获取div下的p标签的文本

 

7.处理注释中的标签，若需要的数据在注释中，使用一般函数解析不到

 

处理方法为，写两个类，继承HTMLParser。在其中一个类的handle_comment里实例化解析类，和其他标签一样解析

 

这里的MyHTMLParser可以为基本使用中的MyHTMLParser，或者按需重写。