Python 網(wǎng)頁解析HTMLParse的實(shí)例詳解
更新時(shí)間：2017年08月10日 09:24:09 作者：qindongliang1922
這篇文章主要介紹了Python 網(wǎng)頁解析HTMLParse的實(shí)例詳解的相關(guān)資料,python里提供了一個(gè)簡(jiǎn)單的解析模塊HTMLParser類，使用起來也是比較簡(jiǎn)單的，解析語法沒有用到XPath類似的簡(jiǎn)潔模式,需要的朋友可以參考下
Python 網(wǎng)頁解析HTMLParse的實(shí)例詳解
使用python將網(wǎng)頁抓取下來之后，下一步我們就應(yīng)該解析網(wǎng)頁，提取我們所需要的內(nèi)容了，在python里提供了一個(gè)簡(jiǎn)單的解析模塊HTMLParser類，使用起來也是比較簡(jiǎn)單的，解析語法沒有用到XPath類似的簡(jiǎn)潔模式，但新手用起來還是比較容易的，看下面的例子：
現(xiàn)在一個(gè)模擬的html文件：
<html> <title id='main' mouse='你好'>我是標(biāo)題</title><body>我是內(nèi)容</body> </html>
需求是，提取出標(biāo)題的屬性值，以及內(nèi)容：
代碼如下：
import html.parser as h
class MyHTMLParser(h.HTMLParser):
a_t=False
def handle_starttag(self, tag, attrs):
#print("開始一個(gè)標(biāo)簽:",tag)
print()
if str(tag).startswith("title"):
print(tag)
self.a_t=True
for attr in attrs:
print(" 屬性值：",attr)
def handle_endtag(self, tag):
if tag == "title":
self.a_t=False
#print("結(jié)束一個(gè)標(biāo)簽:",tag)
def handle_data(self, data):
if self.a_t is True:
print("得到的數(shù)據(jù): ",data)
p=MyHTMLParser()
p.feed("<html> <title id='main' mouse='你好'>我是標(biāo)題</title><body>我是內(nèi)容</body> </html>")
p.close()
運(yùn)行結(jié)果如下：
title
屬性值： ('id', 'main')
屬性值： ('mouse', '你好')
得到的數(shù)據(jù): 我是標(biāo)題
主要的技術(shù)就是繼承了HTMLParser類，然后重寫了里面的一些方法，來完成自己的業(yè)務(wù)，從上面的代碼里，發(fā)現(xiàn)如果想獲取某個(gè)標(biāo)簽的內(nèi)容，還是比較麻煩的，當(dāng)然這是python里面最簡(jiǎn)單的html解析方式，還有很多其他組件，scrapy等等，里面支持Xpath路徑解析，使用起來非常簡(jiǎn)潔清爽。
解析代碼學(xué)會(huì)之后，我們就可以將使用urllib包，抓取到的數(shù)據(jù)交給htmlparser解析，從而提取出我們所需要的內(nèi)容。
以上就是Python 網(wǎng)頁解析HTMLParse的實(shí)例詳解，如有疑問請(qǐng)留言或者到本站社區(qū)交流討論，感謝閱讀，希望能幫助到大家，謝謝大家對(duì)本站的支持！
相關(guān)文章
在Python編程過程中,需要獲取某一個(gè)文件目錄下的所有文件,或獲取文件目錄下的所有指定后綴名的文件等,本文主要介紹了Python獲取文件夾下的所有文件路徑,感興趣的可以了解一下2023-10-10
Httpx 是一個(gè)用于發(fā)送 HTTP 請(qǐng)求的 Python 庫,它提供了簡(jiǎn)單易用的 API,可以輕松地發(fā)送 GET、POST、PUT、DELETE 等請(qǐng)求,并接收響應(yīng),下面介紹下Python httpx庫入門指南,感興趣的朋友一起看看吧2023-12-12
這篇文章主要介紹了Python畫圖的方法,結(jié)合實(shí)例形式分析了Python基本的線性圖、餅狀圖等繪制技巧,具有一定參考借鑒價(jià)值,需要的朋友可以參考下2016-07-07
關(guān)于文件Permission denied解決方案(pip)
這篇文章主要介紹了文件Permission denied解決方案(pip),具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-08-08
這篇文章主要介紹了python編譯pyc工程--導(dǎo)包問題解決，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-03-03
這篇文章主要介紹了Python3.5文件修改操作,結(jié)合實(shí)例形式分析了Python3.5針對(duì)txt文本文件的讀寫、修改等相關(guān)操作技巧,需要的朋友可以參考下2019-05-05
今天小編就為大家分享一篇對(duì)python中UDP,socket的使用詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-08-08
今天小編就為大家分享一篇python爬取cnvd漏洞庫信息的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-02-02
python圖片二值化提高識(shí)別率代碼實(shí)例
這篇文章主要介紹了python圖片二值化提高識(shí)別率代碼實(shí)例,文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
這篇文章主要介紹了Python中NumPy的數(shù)組拆分,我們使用array_split()分割數(shù)組，將要分割的數(shù)組和分割數(shù)傳遞給它,如果將一個(gè)數(shù)組拆分為 3 個(gè)數(shù)組，則可以像使用任何數(shù)組元素一樣從結(jié)果中訪問它們,需要的朋友可以參考下2023-07-07