Basic Parse HTML

Python中利用HTMLParser Module來處理HTML格式。

from HTMLParser import HTMLParser

class MyParser(HTMLParser):
  def handle_starttag(self, tag, attrs):
    # code to process start tag

  def handle_data(self, data):
    # code to process data between start and end tag

  def handle_endtag(self, tag):
    # code to process end tag

fd = open(sys.argv[1])
mp = MyParser()
mp.feed(fd.read())

mp.feed會依據處理到的資料呼叫對應的handle function，如此就可以處理HTML文件了。