在Python中使用HTMLParser解析HTML的教程
如果我们要编写一个搜索引擎，第一步是用爬虫把目标网站的页面抓下来，第二步就是解析该HTML页面，看看里面的内容到底是新闻、图片还是视频。
假设第一步已经完成了，第二步应该如何解析HTML呢？
HTML本质上是XML的子集，但是HTML的语法没有XML那么严格，所以不能用标准的DOM或SAX来解析HTML。
好在Python提供了HTMLParser来非常方便地解析HTML，只需简单几行代码：
fromHTMLParserimportHTMLParser
fromhtmlentitydefsimportname2codepoint
classMyHTMLParser(HTMLParser):
defhandle_starttag(self,tag,attrs):
print('<%s>'%tag)
defhandle_endtag(self,tag):
print('</%s>'%tag)
defhandle_startendtag(self,tag,attrs):
print('<%s/>'%tag)
defhandle_data(self,data):
print('data')
defhandle_comment(self,data):
print('<!---->')
defhandle_entityref(self,name):
print('&%s;'%name)
defhandle_charref(self,name):
print('&#%s;'%name)
parser=MyHTMLParser()
parser.feed('<html><head></head><body><p>Some<ahref=\"#\">html</a>tutorial...<br>END</p></body></html>')
feed()方法可以多次调用，也就是不一定一次把整个HTML字符串都塞进去，可以一部分一部分塞进去。
特殊字符有两种，一种是英文表示的 ，一种是数字表示的Ӓ，这两种字符都可以通过Parser解析出来。
小结
找一个网页，例如https://www.python.org/events/python-events/，用浏览器查看源码并复制，然后尝试解析一下HTML，输出Python官网发布的会议时间、名称和地点。