Analyseur HTML en Python

À l'aide de la Documentation Python, j'ai trouvé la Analyseur HTML mais je n'ai aucune idée de la bibliothèque d'importer de l'utiliser, comment puis-je la trouver (en gardant à l'esprit qu'il ne dit pas sur la page).

OriginalL'auteur Teifion | 2008-09-16

  1. 13

    Essayer:

    import HTMLParser

    En Python 3.0, le HTMLParser module a été renommé au format html.analyseur
    vous pouvez le vérifier sur cette ici

    Python 3.0

    import html.parser

    Python 2.2 et au-dessus de

    import HTMLParser
    https://docs.python.org/2/library/htmlparser.html

    OriginalL'auteur 1077

  2. 23

    Probablement, vous voulez vraiment BeautifulSoup, consultez le lien pour un exemple.

    Mais en tout cas

    >>> import HTMLParser
>>> h = HTMLParser.HTMLParser()
>>> h.feed('<html></html>')
>>> h.get_starttag_text()
'<html>'
>>> h.close()

    OriginalL'auteur Vinko Vrsalovic

  3. 4

    Je vous conseille d'utiliser Belle Soupe module à la place et il a une bonne documentation.

    OriginalL'auteur Swaroop C H

  4. 4

    Vous pouvez être intéressé par lxml. C'est un paquet séparé et a C composants, mais elle est la plus rapide. Il est également de très bonne API, vous permettant de facilement la liste des liens dans les documents HTML, ou des formulaires de liste, nettoyer le code HTML, et plus encore. Il a aussi des capacités à analyser pas bien formé HTML (c'est configurable).

    OriginalL'auteur Paweł Hajdan

  5. 4

    Vous devriez aussi regarder html5lib pour Python comme il essaie d'analyser le code HTML dans une manière qui ressemble fortement à ce que les navigateurs web, surtout lorsqu'il s'agit du code HTML non valide (soit plus de 90% du web d'aujourd'hui).

    S'il vous plaît ajouter un lien vers html5lib. Je vous remercie.
    Ciupitu: Voici le lien pour html5lib: code.google.com/p/html5lib

    OriginalL'auteur Alexey Feldgendler

  6. 3

    Je ne recommande pas BeautifulSoup si vous voulez de la vitesse. lxml est beaucoup, beaucoup plus rapide, et vous pouvez tomber en arrière dans lxml du BS soupparser si la valeur par défaut de l'analyseur ne fonctionne pas.

    Je suis d'accord, BeautifulSoup n'est utile que lors de l'analyse d'une poignée de fichiers, il y a trop d'memoryleaks.

    OriginalL'auteur 1077

  7. 1

    Pour le monde réel de traitement HTML, je recommande BeautifulSoup. Il est grand et enlève beaucoup de la douleur. L'Installation est facile.

    OriginalL'auteur Antti Rasinen

  8. 1

    Il y a un lien vers un exemple sur le bas de (http://docs.python.org/2/library/htmlparser.html) , il ne fonctionne tout simplement pas avec l'original python ou python3. Il doit être python2 comme il est dit sur le dessus.

    OriginalL'auteur Vytautas Shaltenis