Python語言確實(shí)是一種十分精彩又強(qiáng)大的語言，它合理地結(jié)合了高性能與使得編寫程序簡單有趣的特色，看完本文你肯定有不少收獲，希望本文能教會(huì)你更多東西。

對(duì)搜索引擎、文件索引、文檔轉(zhuǎn)換、數(shù)據(jù)檢索、站點(diǎn)備份或遷移等應(yīng)用程序來說，經(jīng)常用到對(duì)網(wǎng)頁(即HTML文件)的解析處理。事實(shí)上，通過Python語言提供的各種模塊，我們無需借助Web服務(wù)器或者Web瀏覽器就能夠解析和處理HTML文檔。

本文上篇中，我們介紹了一個(gè)可以幫助簡化打開位于本地和Web上的HTML文檔的Python模塊。在本文中，我們將論述如何使用Python模塊來迅速解析在HTML文件中的數(shù)據(jù)。從而處理特定的內(nèi)容，如鏈接、圖像和Cookie等。同時(shí)還會(huì)介紹如何規(guī)范HTML文件的格式標(biāo)簽，Python語言還有一個(gè)非常有用的模塊HTMLParser。

該模塊使我們能夠根據(jù)HTML文檔中的標(biāo)簽來簡潔、高效地解析HTML文檔。所以，在處理HTML文檔的時(shí)候，HTMLParser是最常用的模塊之一。處理HTML文檔的時(shí)候，我們常常需要從其中提取出所有的鏈接。使用HTMLParser模塊后，這項(xiàng)任務(wù)將變得易如反掌。

首先，我們需要定義一個(gè)新的HTMLParser類，以覆蓋handle_starttag()方法，我們將使用這個(gè)方法來顯示所有標(biāo)簽的HRef屬性值。定義好新的HTMLParser類之后，需要?jiǎng)?chuàng)建一個(gè)實(shí)例來返回Python語言。然后，就可以使用urllib.urlopen(url)打開HTML文檔并讀取該HTML文件的內(nèi)容了。

為了解析HTML文件的內(nèi)容并顯示包含其中的鏈接，可以使用read()函數(shù)將數(shù)據(jù)傳遞給HTMLParser對(duì)象。HTMLParser對(duì)象的feed函數(shù)將接收數(shù)據(jù)，并通過定義的HTMLParser對(duì)象對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的解析。

需要注意，如果傳給HTMLParser的feed()函數(shù)的數(shù)據(jù)不完整的話，那么不完整的標(biāo)簽會(huì)保存下來，并在下一次調(diào)用feed()函數(shù)時(shí)進(jìn)行解析。當(dāng)HTML文件很大，需要分段發(fā)送給解析器的時(shí)候，這個(gè)功能就會(huì)有用武之地了。下面是一個(gè)具體的例子。

　import HTMLParser  
 
　　import urllib  
 
　　import sys  
 
　　#定義HTML解析器  
 
　　class parseLinks(HTMLParser.HTMLParser):  
 
　　def handle_starttag(self, tag, attrs):  
 
　　if tag == 'a':  
 
　　for name,value in attrs:  
 
　　if name == 'href':  
 
　　print value  
 
　　print self.get_starttag_text()  
 
　　#創(chuàng)建HTML解析器的實(shí)例  
 
　　lParser = parseLinks()  
 
　　#打開HTML文件  
 
　　lParser.feed(urllib.urlopen( \  
 
　　"http://www.python.org/index.html").read())  
 
　　lParser.close() 

上述代碼的運(yùn)行結(jié)果太長，在此省略，您可以自己運(yùn)行代碼試試。

【編輯推薦】

1. 漫談Python 源代碼編制技巧
2. 簡單易于操作的Python 工具詳解
3. 有關(guān)Python應(yīng)用領(lǐng)域進(jìn)行說明介紹
4. PythonAndroid面向?qū)ο蟮木幊獭?FONT>Python應(yīng)用程序
5. 如何使用Python模塊解析配置文件 ？