HTML操作是编程中很重要的一块，下面用Python3.x中的html.parser中的HTMLParser类来进行HTML的解析。
HTMLParser.close()：当遇到文件结束标签后进行的处理方法。如果子类要复写该方法，需要首先调用HTMLParser累的close()HTMLParser.reset():重置HTMLParser实例，该方法会丢掉未处理的html内容HTMLParser.getpos()：返回当前行和相应的偏移量HTMLParser.handle_starttag(tag, attrs)：对开始标签的处理方法。例如<div id="main">，参数tag指的是div，attrs指的是一个（name,Value)的列表HTMLParser.handle_endtag(tag)：对结束标签的处理方法。例如</div>，参数tag指的是divHTMLParser.handle_data(data)：对标签之间的数据的处理方法。<tag>test</tag>,data指的是“test”HTMLParser.handle_comment(data)：对HTML中注释的处理方法。|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
|
__author__ = ‘xua‘import json#For python 3.xfrom html.parser import HTMLParser#定义HTMLParser的子类,用以复写HTMLParser中的方法class MyHTMLParser(HTMLParser): #构造方法,定义data数组用来存储html中的数据 def __init__(self): HTMLParser.__init__(self) self.data = [] #覆盖starttag方法,可以进行一些打印操作 def handle_starttag(self, tag, attrs): pass #print("Start Tag: ",tag) #for attr in attrs: # print(attr) #覆盖endtag方法 def handle_endtag(self, tag): pass #覆盖handle_data方法,用来处理获取的html数据,这里保存在data数组 def handle_data(self, data): if data.count(‘\n‘) == 0: self.data.append(data)#读取本地html文件.(当然也可以用urllib.request中的urlopen来打开网页数据并读取,这里不做介绍)htmlFile = open(r"/Users/xualvin/Downloads/TFS.htm",‘r‘)content = htmlFile.read()#创建子类实例parser = MyHTMLParser()#将html数据传给解析器进行解析parser.feed(content)#对解析后的数据进行相应操作并打印for item in parser.data: if item.startswith("{\"columns\""): payloadDict = json.loads(item) list = payloadDict["payload"]["rows"] for backlog in list: if backlog[1] == "Product Backlog Item" or backlog[1] == "Bug": print(backlog[2]," Point: ",backlog[3]) |
原文：https://www.cnblogs.com/jessitommy/p/11076353.html