HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等是一种处理html的简便途径。HTMLParser采用的是一种事件驱动的模式当HTMLParser找到一个特定的标记时SEO关键词当HTMLParser找到一个特定的标记时它会去调用一个用户定义的函数以此来通知程序处理。它主要的用户回调函数的命名都是以handler_开头的都是HTMLParser的成员函数。当我们使用时就从HTMLParser派生出新的类然后重新定义这几个以handler_开头的函数即可。这几个函数包括：
handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签比如xx
handle_endtag 处理结束标签比如/xx
handle_charref 处理特殊字符串就是以#开头的一般是内码表示的字符
handle_entityref 处理一些特殊字符以开头的比如 nbsp;
handle_data 处理数据就是xxdata/xx中间的那些数据
handle_comment 处理注释
handle_decl 处理!开头的比如!DOCTYPE html PUBLIC “-//W3C//DTD HTML 4.01 Transitional//EN”
handle_pi 处理形如instruction的东西
这里我以从网页中获取到url为例介绍一下。要想获取到url肯定是要分析a标签然后取到它的href属性的值。下面是代码：
#-*- encoding: gb2312 -*-import HTMLParserclass MyParser(HTMLParser.HTMLParser): def __init__(self): HTMLParser.HTMLParser.__init__(self) def handle_starttag(self, tag, attrs): # 这里重新定义了处理开始标签的函数 if tag == 'a': # 判断标签a的属性 for name,value in attrs: if name == 'href': print value if __name__ == '__main__': a = 'htmlheadtitletest/titlebodya href="http://www.163.com"链接到163/a/body/html' my = MyParser() # 传入要分析的数据是html的。 my.feed(a)转载请注明：seo-网站优化-网站建设 » Python HTMLParser模块解析html获取url实例