从 HTMLParser 类获取返回值到主类

Question

这是我当前的代码：

HTMLParser 类：

class MyHTMLParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        if tag == "a":
            for name, value in attrs:
                if name == "href":
                    print value

主类：

html = urllib2.urlopen(url).read()
MyHTMLParser().feed(html)

待办事项： 使“价值”的任何想法都可以返回主类吗？ 感谢提前。

Answer 1

您将要收集的信息存储在解析器实例中：

class MyHTMLParser(HTMLParser):
    def __init__(self):
         HTMLParser.__init__()
         self.links = []

    def handle_starttag(self, tag, attrs):
        if tag == "a" and 'href' in attrs:
            self.links.append(attrs['href'])

然后，在您将 HTML 输入解析器后，您可以从实例中检索 links 属性

parser = MyHTMLParser()
parser.feed(html)
print parser.links

对于解析 HTML，我衷心建议您查看 BeautifulSoup：

from bs4 import BeautifulSoup

soup = BeautifulSoup(html)
links = [a['href'] for a in soup.find_all('a', href=True)]