python 3.2 html.parserde 自学笔记

文章来源：http://blog.csdn.net/yatere/article/details/6660642

例子：解析网页中的连接地址:

from html.parser import HTMLParser
page='''''京东商城乐淘网上鞋城拉手网团购<
a href="" class="f2"&
gt;卓越网上购物凡客诚品购物&
lt;a href="
/main.php" class="f1">世纪佳缘交友'''
class hp(HTMLParser):
    def handle_starttag(self,tag,attr):
        if tag=='a':
            for (att,value) in attr:
                if att=='href':
                    print(value)

yk=hp()
yk.feed(page)

返回结果是：

1. /JdClick/?unionId=75  
2. http://  
3. /w_3001  
4.   
5. /?source=hao123mp  
6. /main.php  

--------------------------------------------------------------------------------------------------------------------------------

python 官网文档的例子：

from html.parser import HTMLParser
class MyHTMLParser(HTMLParser):

    def handle_starttag(self, tag, attrs):
        print("Encountered a {} start tag".format(tag))
    def handle_endtag(self, tag):
         print("Encountered a {} end tag".format(tag))
page = """TitleI'm a paragraph!"""

myparser = MyHTMLParser()
myparser.feed(page)

运行后返回的结果:

1. Encountered a html start tag  
2. Encountered a h1 start tag  
3. Encountered a h1 end tag  
4. Encountered a p start tag  
5. Encountered a p end tag  
6. Encountered a html end tag  

---------------------------------------------------------------------------

显示html中之间的文字例子：

from html.parser import HTMLParser
page='''''
啊阿什顿啊乐淘网上鞋城<
a href="/w_3001" class="f2">拉手网团购<
/a>卓越网上购物凡客诚品购物&
lt;a href="
/main.php" class="f1">世纪佳缘交友'''
class hp(HTMLParser):

    a_txt=False

    def handle_starttag(self,tag,attr):
        if tag=='a':
            self.a_txt=True
            #print (dict(attr))




    def handle_endtag(self,tag):
        if tag=='a':
            self.a_txt=False





    def handle_data(self,data):
        if self.a_txt:
            print (data)




yk=hp()
yk.feed(page)
yk.close()

运行后：

1. 京东商城  
2. 乐淘网上鞋城  
3. 拉手网团购  
4. 卓越网上购物  
5. 凡客诚品购物  
6. 世纪佳缘交友