htmllib 模块处理Html文档

htmllib 模块提供了一种标签驱动的HTML文档解析方式。解析后的数据将发送给formatter对象进行处理。在此模块中包含HTMLParser类。通过继承HTMLParser类可以有效地对HTML文档进行处理。需要注意的是，此类中没有包含数据资源的获取过程，所以在使用的时候，需要由文件对象获取数据资源。

　　此模块是基于sgmllib模块，所以在sgmllib模块中的方法在这里都是适用的。

#coding:utf-8
#!/usr/bin/python
#Filename: HTMLParser.py
import HTMLParser

class MyParser(HTMLParser.HTMLParser):
    def __init__(self):
        HTMLParser.HTMLParser.__init__(self)

    def handle_starttag(self, tag, attrs):
        # 这里重新定义了处理开始标签的函数
        if tag == 'a':
            # 判断标签<a>的属性
            for name,value in attrs:
                if name == 'href':
                    print value


if __name__ == '__main__':
    a = 'test链接到163
'
    my = MyParser()
    #传入要分析的数据，是html的。
    my.feed(a)

http: //www.163.com