65、Python 中 HTML 与 XML 处理全解析

Python 中 HTML 与 XML 处理全解析

1. HTML 解析

在 Python 里，有多种方式可用于解析 HTML 文档，其中HTMLParser与BeautifulSoup较为常用。

1.1 HTMLParser 相关方法

HTMLParser类提供了多个方法来处理 HTML 文档中的不同部分：
-handle_comment(comment)：用于处理注释，comment是<!--...-->内去掉分隔符后的字符串，不过HTMLParser对该方法的默认实现不做任何操作。
-handle_data(data)：处理任意字符串数据，通常需要在子类中重写该方法，HTMLParser的默认实现也不做处理。
-handle_endtag(tag)：处理结束标签，tag是小写的标签字符串，默认实现无操作。
-handle_entityref(ref)：处理实体引用&ref;，默认实现无操作。
-handle_starttag(tag, attributes)：处理标签，tag是小写的标签字符串，