Python中使用HTMLParser解析HTML中的图像标签
发布时间：2023-12-26 03:15:20
HTMLParser是Python中的一个内置模块，用于解析HTML文档。使用HTMLParser可以方便地从HTML文档中提取出所需的内容，包括图像标签。下面是一个使用HTMLParser解析HTML中的图像标签的例子。
from html.parser import HTMLParser
class ImageParser(HTMLParser):
def __init__(self):
super().__init__()
self.images = []
def handle_starttag(self, tag, attrs):
if tag == 'img':
for attr in attrs:
if attr[0] == 'src':
self.images.append(attr[1])
def parse_html(html):
parser = ImageParser()
parser.feed(html)
return parser.images
html = '''
<html>
<head>
<title>Example Page</title>
</head>
<body>
<h1>Welcome to my webpage</h1>
<p>Here is an image:</p>
<img src="image1.jpg">
<p>And another image:</p>
<img src="image2.jpg">
</body>
</html>
'''
images = parse_html(html)
print(images)
上述代码中，我们首先定义了一个继承自HTMLParser的ImageParser类。在该类中，我们重写了handle_starttag方法，该方法会在解析器遇到标签的开始标志时被调用。当遇到img标签时，我们会检查是否有src属性，如果有则将其值添加到images列表中。
然后，我们定义了一个parse_html函数，用于调用ImageParser解析给定的HTML文档。在该函数中，我们创建了一个ImageParser实例，并通过调用feed方法将HTML文档交给解析器进行解析。最后，我们返回解析过程中提取出的所有图像的URL。
在示例中，我们给出了一个包含两个图像标签的HTML文档。我们将该文档传递给parse_html函数进行解析，并打印解析结果。输出结果如下：
['image1.jpg', 'image2.jpg']
可以看到，我们成功地从HTML文档中提取出了两个图像标签的src属性值，即图像的URL。
需要注意的是，HTMLParser是一个基本的HTML解析器，它的功能相对简单且性能较低。如果需要处理复杂的HTML文档，可以考虑使用第三方库，如BeautifulSoup。