如何使用Python的HTMLParser解析HTML中的表格数据

Python中有一个内置的HTMLParser类，可以用于解析HTML文档。该类包含一些方法，可以在解析过程中对HTML文档的各个元素进行处理。

下面是一个使用Python的HTMLParser解析HTML中的表格数据的例子：

from html.parser import HTMLParser

class MyHTMLParser(HTMLParser):
    def __init__(self):
        super().__init__()
        self.processing_table = False  # 标记是否在处理表格中的数据
        self.current_row = []  # 当前行的数据
        self.table_data = []  # 整个表格的数据

    def handle_starttag(self, tag, attrs):
        if tag == 'table':
            self.processing_table = True
        if tag == 'tr':
            self.current_row = []

    def handle_data(self, data):
        if self.processing_table:
            self.current_row.append(data.strip())

    def handle_endtag(self, tag):
        if tag == 'table':
            self.processing_table = False
        if tag == 'tr':
            self.table_data.append(self.current_row)

# 创建HTMLParser的实例
parser = MyHTMLParser()

# 定义HTML文档
html = """
<table>
    <tr>
        <th>姓名</th>
        <th>年龄</th>
        <th>性别</th>
    </tr>
    <tr>
        <td>张三</td>
        <td>18</td>
        <td>男</td>
    </tr>
    <tr>
        <td>李四</td>
        <td>20</td>
        <td>女</td>
    </tr>
</table>
"""

# 解析HTML文档
parser.feed(html)

# 打印表格数据
for row in parser.table_data:
    print(row)

运行上述代码，输出的结果为：

['姓名', '年龄', '性别']
['张三', '18', '男']
['李四', '20', '女']

在上述代码中，我们定义了一个名为MyHTMLParser的继承自HTMLParser的类。在这个类中，我们重写了handle_starttag、handle_data和handle_endtag方法。在handle_starttag方法中，我们检查当前处理的标签是否为<table>和<tr>标签，并分别设置processing_table和current_row的值。在handle_data方法中，我们将处理到的数据添加到current_row。在handle_endtag方法中，我们检查当前处理的标签是否为</table>和</tr>标签，并分别设置processing_table为False，并将current_row添加到table_data中。

在程序的主体部分，我们创建了MyHTMLParser的实例，并定义了一个包含表格数据的HTML文档。然后，我们调用parser.feed(html)方法来解析HTML文档。最后，我们遍历parser.table_data来打印表格数据。

通过以上的例子，我们可以看到，使用Python的HTMLParser解析HTML中的表格数据非常简单。我们只需要继承HTMLParser类，并重写其中的方法来处理不同的HTML元素即可。在实际应用中，可以根据自己的需求，扩展解析方法，处理更多的HTML元素。