Harser 是一个简单的 Python HTML 解析器。
安装：pip install harser
示例代码：
>>> from harser import Harser
>>> HTML = '''
<html><body>
<div class="header" id="id-header">
<li class="nav-item" data-nav="first-item" href="/nav1">First item</li>
<li class="nav-item" data-nav="second-item" href="/nav2">Second item</li>
<li class="nav-item" data-nav="third-item" href="/nav3">Third item</li>
</div>
<div>First layer
<h3>Lorem Ipsum</h3>
<span>Dolor sit amet</span>
</div>
<div>Second layer</div>
<div>Third layer
<span class="text">first block</span>
<span class="text">second block</span>
<span>third block</span>
</div>
<span>fourth layer</span>
<img />
<div class="footer" id="id-foobar" foobar="ab bc cde">
<h3 some-attr="hey">
<span id="foobar-span">foo ter</span>
</h3>
</div>
</body></html>
'''
>>> harser = Harser(HTML)
>>> harser.find('div', class_='header').children(class_='nav-item').find('text').extract()
# Or just
# harser.find(class_='nav-item').find('text').extract()
['First item', 'Second item', 'Third item']
>>> harser.find(class_='nav-item').get_attr('href').extract()
['/nav1', '/nav2', '/nav3']
# It is equally
>>> harser.find('div', class_='header', id='id-header')
>>> harser.find('div', attrs={'class': 'header', 'id': 'id-header'})
>>> harser.find(id__contains='bar').get_attr('class').extract()
['footer']
>>> harser.find(href__not_contains='2').find('text').extract()
['First item', 'Third item']
>>> harser.find(attrs={'data-nav__contains': 'second'}).next_siblings().find('text').extract()
['Third item']
>>> harser.find('li').parent().next_siblings(filters={'text__contains': 'Second'}).clean_extract()
['<div>Second layer</div>']
>>> harser.find('h3', filters={'span.@id__starts_with': 'foo'}).get_attr('some-attr').extract()
['hey']
>>> harser.find('div').children('h3').xpath
'//descendant::div/h3'-
HTML5 Boilerplate 默认提供两个 html 页面： index.html 404.html index.html no-js类 no-js 类可以让开发者依据 JavaScript 被启用（.js）或被禁止(.no-js)两种状态，更轻易准确地添加自定义样式。 使用这个技巧也有助于避免浏览器闪烁（FOUC）。 lang 属性 请认真考虑在 <html> 中添加 lang 属性，从而
-
问题内容： 在nodejs上有像Ruby的nokogiri这样的东西吗？我的意思是用户友好的HTML解析器。 我在Node.js模块页面上看到了一些解析器，但是找不到漂亮又新鲜的东西。 问题答案： 如果要构建DOM，可以使用jsdom。 还有cheerio，它具有jQuery接口，并且比旧版本的jsdom快很多，尽管如今它们的性能相似。 您可能想看一下htmlparser2，它是一个流解析器，根据
-
问题内容： 什么HTML解析器具有以下功能： 快速 线程安全 可靠且无错误 解析HTML和XML 处理错误的HTML 有一个DOM实现 支持HTML4，JavaScript和CSS标签 相对简单的面向对象的API 您认为哪种解析器更好？ 谢谢。 问题答案： ApacheTika是最佳选择。Apache最近从现有项目中提取了许多子项目并将其公开。提卡（Tika）是其中之一，以前是Apache Luc
-
问题内容： 我正在开发一个从网站上抓取数据的应用程序，我想知道应该如何获取数据。具体来说，我需要包含在使用特定CSS类的许多div标签中的数据-目前（出于测试目的）我只是在检查 在HTML的每一行中-都可以，但是我不禁感到有更好的解决方案。 有什么好方法可以给类添加一行HTML并提供一些好方法，例如： 问题答案： “ JTidy是HTML Tidy的Java端口，HTML Tidy是HTML语法检
-
本文向大家介绍使用PHP的HTML DOMDocument解析HTML，包括了使用PHP的HTML DOMDocument解析HTML的使用技巧和注意事项，需要的朋友参考一下 可以通过以下代码获取<div>标记内的<div>标记内的文本，其中<div>内的class =“ main”内- 示例 输出结果 这将产生以下输出-
-
问题内容： 总而言之，我们正在使用AngularJS开发一个Web应用程序，并且我们有一个用例/需求（根本不会经常发生），在此我们需要从静态服务器中检索完整的HTML文档。但是，似乎$ http对象返回了原始HTML字符串作为其“数据”。我们试图避免使用外部库（例如jQuery），但是我们需要将该原始HTML字符串解析为可查询的DOM对象。我们可以使用iframe并完成它，但是出于众所周知的原因，
-
前面介绍了很多眼花缭乱的新技术，关于渲染，关于硬件加速，关于布局，关于其他很多，同大家一样，我也花了很多时间来消化它们。本章介绍稍微基础些的话题（本系列的写作顺序完全是随心所欲地），就是在渲染整个过程的初始阶段---HTML解析。不过这不表示它简单，其实这里是非常绕人的。在前面描述渲染过程，其实也是回避了这些方面的很多细节，原因也很简单，我自己也没有完全仔细地了解清楚. :-( 现在又重新阅读和d
-
问题内容： 到目前为止，我一直在使用Cobra，因为它很容易，但是不幸的是，它在一些测试用例中存在一些问题。有人建议使用经过测试的库吗？ 我尝试了Cobra内置的HTMLCleaner并没有运气。 问题答案： Mozilla HTML Parser 看起来很有趣。根据定义，它应该和Gecko引擎本身一样好，这很可能满足您的需