python-59-基于python内置库解析html获取标签关键信息

1 html.parser

html.parser是Python标准库中的一个模块，用于解析和处理HTML。
它的核心类是HTMLParser，这个类提供了多种方法，允许你处理HTML文档的各个部分。
通过继承这个类并重写其提供的回调方法，可以自定义对HTML标签、属性和内容的处理方式。

1.1 初始化和基础使用

from html.parser import HTMLParser

# 创建自定义解析器类，继承HTMLParser
class MyHTMLParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print(f"开始tag: {tag}")
        if attrs:
            for attr in attrs:
                print(f"  Attribute: {attr}")

    def handle_endtag(self, tag):
        print(f"结束tag: {tag}")

    def handle_data(self, data):
        print(f"数据: {data}")

# 创建解析器实例
parser = MyHTMLParser()