65、Python 中 HTML 与 XML 处理全解析

Python 中 HTML 与 XML 处理全解析

1. HTML 解析

在 Python 里，有多种方式可以对 HTML 进行解析，下面为大家介绍两种常用的方法。

1.1 使用 HTMLParser 解析 HTML

HTMLParser 是 Python 标准库中的一个模块，它提供了一些处理 HTML 的方法，不过其默认实现大多为空。以下是这些方法的详细介绍：
- handle_comment(comment) ：用于处理注释， comment 是 <!--...--> 内的字符串，不包含分隔符。
- handle_data(data) ：处理任意字符串数据，通常需要在子类中重写此方法。
- handle_endtag(tag) ：处理结束标签， tag 为小写的标签字符串。
- handle_entityref(ref) ：处理实体引用 &ref; 。
- handle_starttag(tag, attributes) ：处理标签， tag 是小写的标签字符串， attributes 是一个由 (name, value) 对组成的列表。

下面是一个使用 HTMLParser 解析 HTML 并提取超链接的示例代码：