您现在的位置是：网站首页> 编程资料编程资料

python中的标准库html_python_

2023-05-26 303人已围观

简介 python中的标准库html_python_

python之标准库html

html库是用于解析HTML的一个工具，是python自带的标准库之一。
html库位置：

在这里插入图片描述

__init__.py文件提供两个函数：

__all__ = ['escape', 'unescape']

介绍 escape 和 unescape：

escape(s, quote=True) #用来将特殊字符进行转义成实体字符 """ 参数介绍： s 指定要转义的特殊字符 quote 默认为True,表示要将 " 或者 ' 也要转义成实体字符，False反之不用转义成实体字符 """ unescape(s) #用来将实体字符进行还原到特殊字符

escape 和 unescape 的使用：

import html s = '
div
' res = html.escape(s) print(res) print(html.escape(s,quote=False)) print(html.unescape(res)) #理解还原即可

输出结果：

在这里插入图片描述

escape源码的实现：

在这里插入图片描述

html库中的 entities 模块

该模块定义： HTML字符实体引用。
该模块提供四个字典对象：

__all__ = ['html5', 'name2codepoint', 'codepoint2name', 'entitydefs']

导入：

from html import entities html = entities.html5 name2codep = entities.name2codepoint codep = entities.codepoint2name ent = entities.entitydefs print(html) print(name2codep) print(codep) print(ent)

输出结果：

在这里插入图片描述

html库中的 parser 模块

该模块是HTML和XHTML的解析器。
该模块提供一个类：

__all__ = ['HTMLParser']

导入：

from html import parser htmlParser=parser.HTMLParser()

介绍该类的常用属性和常用方法：
常用属性：

lasttag #保存上一个解析的标签名，返回字符串。

已实现的常用方法：

feed(data) #将数据馈送到解析器。无返回值 unescape(s) #往上看，前面有介绍的 get_starttag_text() #返回开始标记的完整来源 close() #关闭

未实现的常用方法：
注意：这些方法在源码中都没有具体实现，需要我们定义一个子类继承自HTMLParser类，在子类中重写这些方法，实现自己逻辑

handle_starttag(tag, attrs) #处理开始标签，如 
；这里的attrs获取到的是属性列表，属性以元组的方式展示 handle_endtag(tag) #处理结束标签, 如 
 handle_data(data) #处理数据，标签之间的文本 handle_comment(data) #处理注释，