python系列（亲测有效）：Python爬虫常用之HtmlParser（解析html文字编码为正常显示的内容）

Python爬虫常用之HtmlParser（解析html文字编码为正常显示的内容）

• Python爬虫常用之HtmlParser
• • 一、常用属性和方法介绍
  • • 1.常用属性：
    • 2.常用方法：
  • 二、基本使用
  • 三、实用案例
  • • 1.获取属性的函数，是个静态函数，新增的。直接定义在类中，返回属性名对应的属性
    • 2.获取所有p标签的文本，最简单方法只修改`handle_data`
    • 3.获取`css样式`（`class`）为`p_font`的`p标签`的文本，使用了`案例1`，增加一个实例属性作为标志，选取需要的标签
    • 4.获取p标签的属性列表
    • 5.获取p标签的class属性
    • 6.获取div下的p标签的文本
    • 7.处理注释中的标签，若需要的数据在注释中，使用一般函数解析不到

---

Python爬虫常用之HtmlParser

HtmlParser，顾名思义，是解析Html的一个工具。python自带的。

一、常用属性和方法介绍

HtmlParser是一个类，在使用时一般继承它然后重载它的方法，来达到解析出需要的数据的目的。

1.常用属性：

lasttag，保存上一个解析的标签名，是字符串。

2.常用方法：

• handle_starttag(tag, attrs) ，处理开始标签，比如<div>；这里的attrs获取到的是属性列表，属性以元组的方式展示

• handle_endtag(tag) ，处理结束标签,比如</div>

• handle_startendtag(tag, attrs) ，处理自己结束的标签，如<img />

  <