# -*- coding: utf-8 -*-

#python 27

#xiaodeng

#python模块之HTMLParser(原理很大程度上就是对类构造的熟练运用)

import HTMLParser

#tag是的html标签，attrs是 (属性，值)元组(tuple)的列表(list)。

#HTMLParser自动将tag和attrs都转为小写

'''

>>> help(HTMLParser)

Help on module HTMLParser:

CLASSES

    exceptions.Exception(exceptions.BaseException)

        HTMLParseError

    markupbase.ParserBase

        HTMLParser

    class HTMLParser(markupbase.ParserBase)

     |  Find tags and other markup and call handler functions.

     |

     |  Usage:

     |      p = HTMLParser()#初始化

     |      p.feed(data)#feed()方法可以多次调用，也就是不一定一次把整个HTML字符串都塞进去，可以一部分一部分塞进去

                        #提供一些文本给解析器。在由完整元素组成的限度内进行处理，不完整的数据被缓冲直到更多的数据提供或者close()被调用

     |      ...

     |      p.close()

     |

     |  Methods defined here:

     |

     |  __init__(self)

     |      Initialize and reset this instance.

     |

     |  check_for_whole_start_tag(self, i)

     |      # Internal -- check to see if we have a complete starttag; return end

     |      # or -1 if incomplete.

     |

     |  clear_cdata_mode(self)

     |

     |  close(self)

     |      Handle any buffered data.

     |

     |  error(self, message)

     |

     |  feed(self, data)            #向分析器提供数据。

     |      Feed data to the parser.

     |

     |      Call this as often as you want, with as little or as much text

     |      as you want (may include '\n').

     |

     |  get_starttag_text(self)

     |      Return full source of start tag: '<...>'.

     |

     |  goahead(self, end)

     |      # Internal -- handle data as far as reasonable.  May leave state

     |      # and data to be processed by a subsequent call.  If 'end' is

     |      # true, force handling all data as if followed by EOF marker.

     |

     |  handle_charref(self, name)              #处理特殊字符串，就是以&#开头的，一般是内码表示的字符

     |      # Overridable -- handle character reference

     |

     |  handle_comment(self, data)              #处理注释，处理<!--comment-->内的内容

     |      # Overridable -- handle comment

     |

     |  handle_data(self, data)                 #处理数据，就是<xx>data</xx>中间的那些数据

     |      # Overridable -- handle data

     |

     |  handle_decl(self, decl)                 #处理<!开头的，比如<!DOCTYPE html PUBLIC "-//W3C//DTD HTML 4.01 Transitional//EN"

     |                                          #文档类型声明，

             # Overridable -- handle declaration

     |

     |  handle_endtag(self, tag)                #处理结束标签，</xx>

     |      # Overridable -- handle end tag

     |

     |  handle_entityref(self, name)            #处理一些特殊字符，以&开头的

     |      # Overridable -- handle entity reference

     |

     |  handle_pi(self, data)                   #处理形如<?instruction>的东西

     |      # Overridable -- handle processing instruction

     |

     |  handle_startendtag(self, tag, attrs)    #处理开始标签和结束标签

     |      # Overridable -- finish processing of start+end tag: <tag.../>

     |

     |  handle_starttag(self, tag, attrs)       # 处理开始标签，比如<xx>

     |      # Overridable -- handle start tag

     |

     |  parse_bogus_comment(self, i, report=1)

     |      # Internal -- parse bogus comment, return length or -1 if not terminated

     |      # see http://www.w3.org/TR/html5/tokenization.html#bogus-comment-state

     |

     |  parse_endtag(self, i)

     |      # Internal -- parse endtag, return end or -1 if incomplete

     |

     |  parse_html_declaration(self, i)

     |      # Internal -- parse html declarations, return length or -1 if not terminated

     |      # See w3.org/TR/html5/tokenization.html#markup-declaration-open-state

     |      # See also parse_declaration in _markupbase

     |

     |  parse_pi(self, i)

     |      # Internal -- parse processing instr, return end or -1 if not terminated

     |

     |  parse_starttag(self, i)

     |      # Internal -- handle starttag, return end or -1 if not terminated

     |

     |  reset(self)

     |      Reset this instance.  Loses all unprocessed data.

     |

     |  set_cdata_mode(self, elem)

     |

     |  unescape(self, s)

     |

     |  unknown_decl(self, data)

     |

     |  ----------------------------------------------------------------------

     |  Data and other attributes defined here:

     |

     |  CDATA_CONTENT_ELEMENTS = ('script', 'style')

     |

     |  entitydefs = None

     |

     |  ----------------------------------------------------------------------

     |  Methods inherited from markupbase.ParserBase:

     |

     |  getpos(self)

     |      Return current line number and offset.

     |

     |  parse_comment(self, i, report=1)

     |      # Internal -- parse comment, return length or -1 if not terminated

     |

     |  parse_declaration(self, i)

     |      # Internal -- parse declaration (for use by subclasses).

     |

     |  parse_marked_section(self, i, report=1)

     |      # Internal -- parse a marked section

     |      # Override this to handle MS-word extension syntax <![if word]>content<![endif]>

     |

     |  updatepos(self, i, j)

     |      # Internal -- update line number and offset.  This should be

     |      # called for each piece of data exactly once, in order -- in other

     |      # words the concatenation of all the input strings to this

     |      # function should be exactly the entire input.

>>>

'''

python模块之HTMLParser(原理很大程度上就是对类构造的熟练运用)的更多相关文章

  1. QPointer很大程度上避免了野指针（使用if语句判断即可，类似于dynamic_cast），而且使用非常方便 good

    QPointer 如何翻译呢?我不太清楚,保留英文吧. The QPointer class is a template class that provides guarded pointers    ...

  2. python模块之HTMLParser之穆雪峰的案例(理解其用法原理)

    # -*- coding: utf-8 -*- #python 27 #xiaodeng #python模块之HTMLParser之穆雪峰的案例(理解其用法原理) #http://www.cnblog ...

  3. python模块介绍- HTMLParser 简单的HTML和XHTML解析器

    python模块介绍- HTMLParser 简单的HTML和XHTML解析器 2013-09-11 磁针石 #承接软件自动化实施与培训等gtalk:ouyangchongwu#gmail.comqq ...

  4. python模块之HTMLParser抓页面上的所有URL链接

    # -*- coding: utf-8 -*- #python 27 #xiaodeng #python模块之HTMLParser抓页面上的所有URL链接 import urllib #MyParse ...

  5. python模块之HTMLParser解析出URL链接

    # -*- coding: utf-8 -*- #python 27 #xiaodeng #python模块之HTMLParser解析出URL链接 #http://www.cnblogs.com/mf ...

  6. python模块之HTMLParser

    HTMLParser是python用来解析html的模块.它可以分析出html里面的标签.数据等等,是一种处理html的简便途径. HTMLParser采用的是一种事件驱动的模式,当HTMLParse ...

  7. tensorflow 单机多GPU训练时间比单卡更慢/没有很大时间上提升

    使用tensorflow model库里的cifar10 多gpu训练时,最后测试发现时间并没有减少,反而更慢 参考以下两个链接 https://github.com/keras-team/keras ...

  8. python模块学习---HTMLParser(解析HTML文档元素)

    HTMLParser是Python自带的模块,使用简单,能够很容易的实现HTML文件的分析. 本文主要简单讲一下HTMLParser的用法. 使用时需要定义一个从类HTMLParser继承的类,重定义 ...

  9. 新学了几个python模块，不是很鸡肋。

    先说一个模块分类(基本上所有模块都是小写开头,虽然规范的写法是变量的命名规范,但是,都是这样写的) 1,C编写并镶嵌到python解释器中的内置模块 2,包好的一组模块的包 3.已经被编译好的共享库, ...

随机推荐

  1. Dockerfile 指令汇总及解析

        原文地址:http://www.maoyupeng.com/dockerfile-command-introduction.html 什么是Dockerfile Dockerfile是由一系列 ...

  2. （八十七）AutoLayout的简单介绍与实例

    AutoLayout是继AutoResizing之后的一种自己主动布局方法.攻克了AutoResizing无法处理控件间相互关系的问题. AutoLayout在storyboard中通过底部工具条设置 ...

  3. Round() 四舍五入 js银行家算法

    首先问一下round(0.825,2) 返回的结果,大家猜一猜, 首先SQL server 返回的是 0.83 js的返回结果 是0.83,code 如下: var b = 0.825;        ...

  4. SharePoint 列表权限控制

    一提到sharepoint 我相信权限控制一定会是一个很重要的话题,尤其是对列表的权限控制,创建.修改.查看权限.其实网上这方面的资料已经很多了,尤其是以下2篇文章,后来索性把CodeArt_Perm ...

  5. [leetcode]Combinations @ Python

    原题地址:https://oj.leetcode.com/problems/combinations/ 题意:组合求解问题. 解题思路:这种求组合的问题,需要使用dfs来解决. 代码: class S ...

  6. 创建SQL作业错误的解决方法（不能将值 NULL 插入列 'owner_sid'，表 'msdb.dbo.sysjobs'；列不允许有空值。）

    在用SQL语句创建SQL Server作业时有时出现如下错误: 消息 515,级别 16,状态 2,过程 sp_add_job,第 137 行 不能将值 NULL 插入列 'owner_sid',表  ...

  7. SendMessage消息大全及说明

    WM_CREATE   =   &H0001     应用程序创建一个窗口     WM_DESTROY   =   &H0002     一个窗口被销毁     WM_MOVE   ...

  8. 微信小程序wxml文件中调用自定义函数

    想在微信小程序的wxml文件里自如的像vue那样调用自定义的方法,发现并不成功,得利用WXS脚本语言. WXS脚本语言是 WeiXin Script 脚本语言的简称,是JavaScript.JSON. ...

  9. mongodb自动关闭：页面文件太小，无法完成操作

    在一台两G内存的win server 2008电脑上运行一个程序,一段时间后mongod自动停止,发现日志文件最后有这样的错误: 2014-11-30T00:32:32.914+0800 [conn3 ...

  10. linux 添加elasticsearch 开机重启(自启动)

    在 /etc/init.d 文件夹下建立脚本 eg:data.sh #chkconfig: 2345 80 90#description:auto_run#!bin/bashexport JAVA_H ...