HTMLParser是python用來解析html的模塊誉己。它可以分析出html里面的標簽化撕、數(shù)據(jù)等等晓避，是一種處理html的簡便途徑。HTMLParser采用的是一種事件驅(qū)動的模式划滋，當(dāng)HTMLParser找到一個特定的標記時，它會去調(diào)用一個用戶定義的函數(shù)埃篓，以此來通知程序處理处坪。它主要的用戶回調(diào)函數(shù)的命名都是以handler_開頭的，都是HTMLParser的成員函數(shù)架专。當(dāng)我們使用時同窘，就從HTMLParser派生出新的類，然后重新定義這幾個以handler_開頭的函數(shù)即可胶征。這幾個函數(shù)包括：
handle_startendtag? 處理開始標簽和結(jié)束標簽
handle_starttag???? 處理開始標簽塞椎，比如
handle_endtag?????? 處理結(jié)束標簽，比如
handle_charref????? 處理特殊字符串睛低，就是以&#開頭的案狠，一般是內(nèi)碼表示的字符
handle_entityref??? 處理一些特殊字符，以&開頭的钱雷，比如?
handle_data???????? 處理數(shù)據(jù)骂铁，就是data中間的那些數(shù)據(jù)
handle_comment????? 處理注釋
handle_decl???????? 處理
handle_pi?????????? 處理形如的東西
這里我以從網(wǎng)頁中獲取到url為例，介紹一下罩抗。要想獲取到url拉庵，肯定是要分析標簽，然后取到它的href屬性的值套蒂。下面是代碼：
#-*-?encoding:?gb2312?-*-
importHTMLParser
classMyParser(HTMLParser.HTMLParser):
def__init__(self):
HTMLParser.HTMLParser.__init__(self)
defhandle_starttag(self,?tag,?attrs):
#這里重新定義了處理開始標簽的函數(shù)
iftag=='a':
#判斷標簽的屬性
forname,valueinattrs:
ifname=='href':
printvalue
if__name__=='__main__':
a='test鏈接到163'
my=MyParser()
#傳入要分析的數(shù)據(jù)钞支，是html的茫蛹。
my.feed(a)
