本文由我司收集整编，推荐下载，如有疑问，请与我司联系
从HTML文档中提取链接
2012/11/21 0  应用Python中的HTMLParser、cookielib抓取和解析网页、从HTML文档中提取链接、图像、文本、...Admin2011年8月31日名人名言：开放、搞活政策延续多久，端正党风的工作就得干多久，纠正不正之风，打击犯罪就得干多久，这样才能保证我们开放，搞活政策扔正确执行——对搜刮引擎、文件索引、文档转换、数据检索、站点备份或迁徙等应用法度来说，经常用到对网页（即HTML文件）的解析处理惩罚。事实上，经由过程Python说话供给的各类模块，我们无需借助Web办事器或者Web浏览器就可以或许解析和处理惩罚HTML文档。本文上篇中，我们介绍了一个可以帮助简化打开位于本地和Web上的HTML文档的Python模块。在本文中，我们将论说如何应用Python模块来敏捷解析在HTML文件中的数据，从而处理惩罚特定的内容，如链接、图像和Cookie
等。同时还会介绍如何规范HTML文件的局标签。
 一、从HTML文档中提取链接网页html下载
 Python说话还有一个很是有效的模块HTMLParser，该模块使我们可以或许按照HTML文档中的标签来简洁、高效地解析HTML文档。因此，在处理惩罚HTML
文档的时辰，HTMLParser是最常用的模块之一。
  import HTMLParser import urllib class parseLinks（HTMLParser.HTMLParser）: def handle_starttag（self，tag，attrs）: if tag == a : for name，valuein attrs: if name == href : print value _starttag_text（）lParser = parseLinks（）lParser.feed （urllib.urlopen（python/index.html ）.read（））处理惩罚HTML文档的时辰，我们经常须要从此中提取出所有的链接。应用HTMLParser模块后，这项任务将变得易如反掌。起首，我们须要定义一个新的HTMLParser类，以覆盖handle_starttag （）办法，我们将应用这个办法来显示所有标签的HRef属性。
 定义好新的HTMLParser类之后，须要创建一个实例来返回HTMLParser对象。然后，就可以应用urllib.urlopen（url）打开HTML文档并读取该HTML文件的内容了。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。