簡介

　　先簡略介紹一下。實際上，HTMLParser是python用來解析HTML的內建模組。它可以分析出HTML裡面的標籤、資料等等，是一種處理HTML的簡便途徑。HTMLParser採用的是一種事件驅動的模式，當HTMLParser找到一個特定的標記時，它會去呼叫一個使用者定義的函式，以此來通知程式處理。它主要的使用者回撥函式的命名都是以"handle_"開頭的，都是HTMLParser的成員函式。當我們使用時，就從HTMLParser派生出新的類，然後重新定義這幾個以"handle_"開頭的函式即可。這幾個函式包括：
（1）handle_startendtag 　　處理開始標籤和結束標籤（即單標籤）

例項

　　OK，廢話少說，直接上手，來一個簡單的爬蟲例項——抓取貼吧圖片。

from html.parser import HTMLParser
from urllib import request


class MyHTMLParser(HTMLParser):     # 建立HTML解析類
    def __init__(self):
        HTMLParser.__init__(self)
        self.gifs_urls = []         #
 
 建立列表，儲存gif
        self.jpgs_urls = []         # 建立列表，儲存jpg

    # 重寫HTMLParser中的內建方法
    def handle_starttag(self, tags, attrs):  # 處理起始標記
        if tags == 'img':   # 處理圖片
            for attr in attrs:
                for t in attr:
                    if 'gif' in t and 'https' in t:
                        self.gifs_urls.append(t)    # 新增到gif列表
                    elif 'jpg' in t and 'https' in t:
                        self.jpgs_urls.append(t)    # 新增到jpg列表
                    else:
                        pass
    # 自定義的方法
    def get_gifs(self):     # 返回gif列表
        return self.gifs_urls

    def get_jpgs(self):     # 返回jpg列表
        return self.jpgs_urls

    # 自定義的方法，獲取頁面
    def getHTML(self,url):
        req=request.Request(url,method='GET')
        html=request.urlopen(req,timeout=30)
        return html.read()

    # 自定義的方法，批量下載圖片
    def downImgs(self,img_urls,n=10,path='Image/'):
        count=1
        for url in img_urls:
            request.urlretrieve(url=url,filename='{0}{1}{2}'.format(path,count,'.jpg'))
            count=count+1
            if count == n + 1:
                print('共下載%d張圖片' %(n))
                return

if __name__ == '__main__':

    Url = 'http://tieba.baidu.com/p/2256306796'
    HtmlParser=MyHTMLParser()
    Html=HtmlParser.getHTML(Url)
    # print(Html)
    HtmlParser.feed(str(Html))      #開始解析HTML，自動呼叫HTMLParser中的內建方法
    HtmlParser.downImgs(HtmlParser.get_jpgs())