Lớp HTMLParser được định nghĩa trong module này cung cấp chức năng parse (phân tích) tài liệu HTML và XHTML. Lớp này chứa các phương thức handler có thể nhận diện tag, dữ liệu, comment và các phần tử HTML khác.

Chúng ta phải định nghĩa một lớp mới kế thừa lớp HTMLParser và gửi văn bản HTML dùng phương thức feed().

from html.parser import HTMLParser

class parser(HTMLParser):
    pass

p = parser()
p.feed('')

Chúng ta phải override (ghi đè) các phương thức sau:

handle_starttag(tag, attrs):

Tag HTML thường thành cặp tag mở và tag đóng. Ví dụ <head> và </head>. Phương thức này được gọi để xử lý phần bắt đầu của tag.

Tên tag được chuyển thành chữ thường. Đối số attrs đại diện cho các thuộc tính tìm thấy bên trong ngoặc <><> của tag.

Ví dụ, cho tag <a href="www.tutorialspoint.com"></a>, được đưa cho đối tượng parser.

from html.parser import HTMLParser

class parser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print("Start tag:", tag)
        for attr in attrs:
            print(" attr:", attr)

p = parser()
p.feed('')

Start tag: a
attr: ('href', 'www.tutorialspoint.com')

handle_endtag(tag):

def handle_endtag(self, tag):
    print("end tag", tag)

handle_data(data):

def handle_data(self, data):
    print(data)

p = parser()
html = '''

    
        
Tutorialspoint
        Python standard library
        
HTML module
    
'''
p.feed(html)

Start tag: h1
Tutorialspoint
end tag h1
Start tag: b
Python standard library
end tag b
Start tag: p
HTML module
end tag p