python中HTMLParser模块知识点总结
本章内容，我们主要来讲一下Python内置的HTML解析库HTMLParser模块，基本上也是应用于页面抓取上，假设，我们需要去收集页面上已存在的静态链接，但是页面肯定代码量都非常大，并且页面也很多，这样看来，会比较麻烦，工作量也非常大，这个时候，我们就可以用到htmlparser模块，一起来了解具体使用内容。
安装：
npm install htmlparser
htmlparser提供构造函数：
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('</%s>' % tag)
def handle_startendtag(self, tag, attrs):
print('<%s/>' % tag)
def handle_data(self, data):
print(data)
def handle_comment(self, data):
print('<!--', data, '-->')
def handle_entityref(self, name):
print('&%s;' % name)
def handle_charref(self, name):
print('&#%s;' % name)
parser = MyHTMLParser()
parser.feed('''<html>
<head></head>
<body>
<!-- test html parser -->
<p>Some <a href=\"#\">html</a> HTML tutorial...<br>END</p>
</body></html>''')
HTML本质上是XML的子集，但是HTML的语法没有XML那么严格，大家也可以尝试利用HTMLParser解析HTML。
知识点扩展：
常用方法介绍
l feed(data)：主要用于接受带html标签的str，当调用这个方法时并提供相应的data时，整个实例（instance）开始执行，结束执行close()。
l handle_starttag(tag, attrs): 这个方法接收Parse_starttag返回的tag和attrs，并进行处理，处理方式通常由使用者进行覆盖，本身为空。
例如，连接的start tag是<a>，那么对应的参数tag＝'a'（小写)。attrs是start tag <>中的属性，以元组形式（name, value）返回（所有这些内容都是小写）。
例如，对于<A HREF="http://www.baidu.com“>，那么内部调用形式为：handle_starttag（'a',[(‘href','http://www.baidu.com)]）.
l handle_endtag(tag)：跟上述一样，只是处理的是结束标签，也就是以</开头的标签。
l handle_data(data)：处理的是网页的数据，也就是开始标签和结束标签之间的内容。例如：<script>...</script>的省略号内容
l handle_comment(data) ，处理注释，<!-- -->之间的文本
l reset()：将实例重置，包括作为参数输入的数据进行清空。
到此这篇关于python中HTMLParser模块知识点总结的文章就介绍到这了,更多相关python中HTMLParser模块是什么内容请搜索小牛知识库以前的文章或继续浏览下面的相关文章希望大家以后多多支持小牛知识库！
到此这篇关于python中HTMLParser模块知识点总结的文章就介绍到这了,更多相关python中HTMLParser模块是什么内容请搜索小牛知识库以前的文章或继续浏览下面的相关文章希望大家以后多多支持小牛知识库！
-
本文向大家介绍python中re模块知识点总结，包括了python中re模块知识点总结的使用技巧和注意事项，需要的朋友参考一下 一、什么是正则表达式？ 正则表达式，又称规则表达式，通常被用来检索、替换那些符合某个模式(规则)的文本。 正则表达式是对字符串操作的一种逻辑公式，就是用事先定义好的一些特定字符、及这些特定字符的组合，组成一个“规则字符串”，这个“规则字符串”用来表达对字符串的一种过滤逻辑
-
本文向大家介绍Python中的引用知识点总结，包括了Python中的引用知识点总结的使用技巧和注意事项，需要的朋友参考一下 本篇介绍Python中的引用。 首先想一想如图示例。 在python中，值是靠引用来传递来的。 用id()来判断两个变量是否为同一个值的引用。如图。 图解引用。如图。 可变类型与不可变类型。如图。
-
本文向大家介绍Node.js 的模块知识汇总，包括了Node.js 的模块知识汇总的使用技巧和注意事项，需要的朋友参考一下 在写 Node.js 应用程序的时候，你确实可以把所有代码放在巨大原 index.js 文件中，不在乎你的应用程序会变得多大多复杂。Node.js 解释器不会在意这个事情。但在代码组织方面，你很快就会陷入混乱，不能理解代码，而且难以调试。所以，作为一个人，你应该关心代码的结构
-
本文向大家介绍JS严格模式知识点总结，包括了JS严格模式知识点总结的使用技巧和注意事项，需要的朋友参考一下 所谓严格模式其实就是一个不会赋值给任何变量的字符串 “use strict” 如果在全局作用域下 给出这个提示，那整个脚本将采用严格模式。也可以只在函数中打开严格模式 1.严格模式下没有全局变量 a="test" 严格模式下会报错，非严格模式下正常 2.删除变量 var 有三种声明的情形 v
-
本文向大家介绍python pyg2plot的原理知识点总结，包括了python pyg2plot的原理知识点总结的使用技巧和注意事项，需要的朋友参考一下 1、说明 PyG2Plot 原理其实非常简单，其中借鉴了 pyecharts 的实现，但是因为蚂蚁金服的 G2Plot 完全基于可视分析理论的配置式结构，所以封装上比 pyecharts 简洁非常非常多。 基本的原理，就是通过 Python 语
-
本文向大家介绍python模块hashlib(加密服务)知识点讲解，包括了python模块hashlib(加密服务)知识点讲解的使用技巧和注意事项，需要的朋友参考一下 官方文案：https://docs.python.org/zh-cn/3/library/hashlib.html hashlib --- 安全哈希与消息摘要 Python的hashlib提供了常见的摘要算法，如MD5，SHA1等等