利用SGMLParser()类解析网页表格数据的方法与示例

SGMLParser()类是Python中的一个标准库，用于解析HTML或XML等标记语言。通过继承该类并重写其方法，可以实现对网页表格数据的解析。

下面是一个使用SGMLParser()类解析网页表格数据的示例：

from html.parser import SGMLParser

class TableParser(SGMLParser):
    def reset(self):
        SGMLParser.reset(self)
        self.table_data = []
        self.current_row = []
        self.current_cell = []

    def start_tr(self, attrs):
        self.current_row = []

    def start_td(self, attrs):
        self.current_cell = []

    def handle_data(self, data):
        self.current_cell.append(data)

    def end_td(self):
        self.current_row.append(' '.join(self.current_cell))

    def end_tr(self):
        self.table_data.append(self.current_row)

    def get_table_data(self):
        return self.table_data

# HTML示例
html = """
    <table>
        <tr>
            <td>1</td>
            <td>John</td>
            <td>Doe</td>
        </tr>
        <tr>
            <td>2</td>
            <td>Jane</td>
            <td>Smith</td>
        </tr>
    </table>
"""

parser = TableParser()
parser.feed(html)
table_data = parser.get_table_data()

for row in table_data:
    print(row)

在上述示例中，首先定义了一个名为TableParser的类，继承自SGMLParser类。在重写的方法中，start_tr()方法在遇到<tr>标签时会创建一个新的空行，start_td()方法在遇到<td>标签时会创建一个新的空单元格，handle_data()方法会将单元格中的数据添加到当前单元格，end_td()方法在遇到</td>标签时，将当前单元格的内容添加到当前行，end_tr()方法在遇到</tr>标签时，将当前行添加到表格数据中。

在主程序中，首先创建一个TableParser的实例，并使用feed()方法将HTML文本传递给解析器进行解析。然后，通过调用get_table_data()方法来获取解析得到的表格数据。最后，遍历并打印表格数据。

以上就是一个使用SGMLParser()类解析网页表格数据的示例。通过继承SGMLParser类并重写相应的方法，可以根据自己的需求对网页表格数据进行灵活的解析和处理。