python教程：[75]HTMLParser采集网页数据

HTMLParser是python自带的处理html文件的模块，用起来非常简单，但很有实用价值，下面我们通过一个简单的例子来说明它的工作机制，然后对它所包含的所有方法进行一个说明。

先看一个简单的例子，我们先引入HTMLParser，然后声明一个类，继承自HTMLPaerser，然后定义了一个方法，这个方法继承自HTMLParser



这一段代码的运行结果是：从结果中我们可以看到feed方法是将要处理的html字符串传递给HTMLParser，处理的过程是从前到后逐个处理html文件的标签，当遇到一个标签的时候，就调用handle_starttag方法，我们写的这个方法就是将tag名打印出来，所以就出现了下面这个结果：

HTMLParser内置方法

feed()和handle_starttag()已经说了，这里不再重复

handle_endtag()：处理结束标签，比如</a>就是一个结束标签，当遇到结束标签的时候调用该方法

handle_data():处理数据，比如<a>这是数据</a>，“这是数据”就是data，当遇到data的时候调用该方法。

handle_entityref()：处理“&gt;”“&#62;”“&#x3E;”这样的字符串，他们各有自己指代的字符，处理的方法是使用name2codepoint将其转换，就可以知道gt原来是>的意思





handle_charref()处理十进制或十六进制“&#x3E;”这样的字符串，可以将其转换为&gt

handle_comment()处理<!--comment-->内的内容

handle_decl()处理html文档类型声明，例如<!coctype html>

大部分方法都列在上面了，还有一些不常用就没有写，这些相信已经够你用了。