在本篇文章里小编给大家整理的是一篇关于python中HTMLParser模块知识点内容，有兴趣的朋友们可以跟着学习下。
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('' % tag) def handle_endtag(self, tag): print('' % tag) def handle_startendtag(self, tag, attrs): print('' % 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(''' <!-- test html parser --><p>Some html HTML tutorial...<br>END</p>''')
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 h来源[email protected]搞@^&代*@码)网andle_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，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，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：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,更多前端的相关知识点总结的文章就介绍到这了,更多前端的相关知识点总结
