今天就跟大家聊聊有關(guān)HTMLParser模塊怎么在python中使用，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。

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 HTMLParser
from html.entities import name2codepoint
class MyHTMLParser(HTMLParser):
  def handle_starttag(self, tag, attrs):
    print('<%s>' % tag)
  def handle_endtag(self, tag):
    print('' % 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('''



  
Some html HTML tutorial...
END
''')

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，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http://weahome.cn/article/ccjsdo.html