Python HTMLParser模块解析html获取url实例
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，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
handle_data 处理数据，就是<xx>data</xx>中间的那些数据
handle_comment 处理注释
handle_decl 处理<!开头的，比如<!DOCTYPEhtmlPUBLIC"-//W3C//DTDHTML4.01Transitional//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-*- importHTMLParser classMyParser(HTMLParser.HTMLParser): def__init__(self): HTMLParser.HTMLParser.__init__(self) defhandle_starttag(self,tag,attrs): #这里重新定义了处理开始标签的函数 iftag=='a': #判断标签<a>的属性 forname,valueinattrs: ifname=='href': printvalue if__name__=='__main__': a='<html><head><title>test</title><body><ahref="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)