Python学习笔记（四十）— 内置模块（9）HTMLParser

标签：https   应该   parse   .com   col   color   str   标准   代码   

摘抄自：https://www.liaoxuefeng.com/wiki/0014316089557264a6b348958f449949df42a6d3a2e542c000/0014320023122880232500da9dc4a4486ad00426f081c15000

如果我们要编写一个搜索引擎，第一步是用爬虫把目标网站的页面抓下来，第二步就是解析该HTML页面，看看里面的内容到底是新闻、图片还是视频。

假设第一步已经完成了，第二步应该如何解析HTML呢？

HTML本质上是XML的子集，但是HTML的语法没有XML那么严格，所以不能用标准的DOM或SAX来解析HTML。

Python提供了HTMLParser来非常方便地解析HTML，只需简单几行代码：

Python学习笔记（四十）— 内置模块（9）HTMLParser

标签：https   应该   parse   .com   col   color   str   标准   代码   

原文地址：http://www.cnblogs.com/douzujun/p/7466343.html