HTMLParser是python用来解析html的模块。它可以分析出html里面的标签、数据等等，是一种处理html的简便途径。 HTMLParser采用的是一种事件驱动的模式，当HTMLParser找到一个特定的标记时，它会去调用一个用户定义的函数，以此来通知程序处理。它 主要的用户回调函数的命名都是以handler_开头的，都是HTMLParser的成员函数。当我们使用时，就从HTMLParser派生出新的类，然 后重新定义这几个以handler_开头的函数即可。这几个函数包括：
handle_startendtag 处理开始标签和结束标签
handle_starttag 处理开始标签，比如<xx>
handle_endtag 处理结束标签，比如</xx>
handle_charref 处理特殊字符串，就是以&#开头的，一般是内码表示的字符
handle_entityref 处理一些特殊字符，以&开头的，比如
handle_data 处理数据，就是<xx>data</xx>中间的那些数据
handle_comment 处理注释
handle_decl 处理<!开头的，比如<!DOCTYPE html PUBLIC “-//W3C//DTD HTML 4.01 Transitional//EN”
handle_pi 处理形如<?instruction>的东西
这里我以从网页中获取到url为例，介绍一下。要想获取到url，肯定是要分析<a>标签，然后取到它的href属性的值。下面是代码：
1 #-*- encoding: gb2312 -*- 2 import HTMLParser 3 4 class MyParser(HTMLParser.HTMLParser): 5 def __init__(self): 6 HTMLParser.HTMLParser.__init__(self) 7 8 def handle_starttag(self, tag, attrs): 9 # 这里重新定义了处理开始标签的函数 10 if tag == 'a': 11 # 判断标签<a>的属性 12 for name,value in attrs: 13 if name == 'href': 14 print value 15 16 17 if __name__ == '__main__': 18 a = '<html><head><title>test</title><body><a href="http: //www.163.com">链接到163</a></body></html>' 19 20 my = MyParser() 21 22 # 传入要分析的数据，���html的。 23 my.feed(a)
如果是python3的，导入为 form html.request import HTMLParser ,具体可以参考http://docs.python.org/library/htmlparser.html
执行结果
http://www.163.com