9、Python 实现 HTML 处理与文本转换

Python 实现 HTML 处理与文本转换

1. 引言

在 Python 编程中，处理 HTML 文档是常见需求，如列出 HTML 文档中的所有标题、图片、链接，解析或转换文本内容，批量添加、移除或引用 HTML 标签的属性等。下面将介绍相关的实现方法和代码示例。

2. 完整的 Python 程序示例

有一个完整的 Python 程序分为两部分： BaseHTMLProcessor.py 和 dialect.py 。
- BaseHTMLProcessor.py 是一个通用工具，用于遍历 HTML 文件的标签和文本块来处理 HTML 文件。
- dialect.py 展示了如何使用 BaseHTMLProcessor.py 来转换 HTML 文档的文本内容，同时保持标签不变。

以下是 BaseHTMLProcessor.py 的代码：

from sgmllib import SGMLParser
import htmlentitydefs

class BaseHTMLProcessor(SGMLParser):
    def reset(self):
        # extend (called by SGMLParser.__init__)
        self.pieces = []
        SGMLParser.reset(self)

    def