Python3 HTML 解析器
阿新 • • 發佈：2019-02-05
作為爬蟲比較重要的一部分HTML解析器：
Python3 自己有一個，使用了一下，還不是很好用
第三方的有：
目前還不支援Python3 , Python3 的資料還不是很多
BeautifulSoup -- 支援版本2.x 很不錯，我不想退版本，以後他有了我再用
Chilkat Spider component -==-- 專門支援爬蟲的庫, 看了一下還行，
使用庫，失去的這個專案原有的初衷，所以放棄把，
剩下的就是慢慢的分析包結構和邏輯了
急需努力把
本週末釋出c# 第一個版本 給予2的升級
Python 2版本，打算重寫， 不用過去的升級
希望這輪的升級可以對Python有一個新的認識
###解析超文字這個思路過於難，以後在考慮
###目前沒有好用的庫from html.parser import HTMLParser
class MyHTMLParser(HTMLParser):
def handle_starttag(self, tag, attrs):
#print("Encountered a {} 測試".format(tag))
#print(format(attrs))
#當前資源田的級別和位置連線
# if tag=='area':
# print("Encountered a {} start tag".format(tag))
# #print(format(attrs))
# if tag == 'res':
# print(format(attrs))
# if tag == 'tbody':
# print(format(tag))
# print(format(attrs))
if tag == 'l1':
print(format(tag))
print(format(attrs))
#每小時產量
if tag == 'li':
print(format(tag))
print(format(attrs))
def handle_endtag(self, tag):
if tag=='area':
print("Encountered a {} end tag".format(tag))
if tag == 'res':
print(format(attrs))
#1 page = """<html><h1>Title</h1><p>I'm a paragraph!</p></html>"""
#2-==============test code start======================--
file=open('temp.html',encoding='utf-8')
p=file.read()
#2 test code end-=====================================--
myparser = MyHTMLParser()
myparser.feed(p)