温馨提示×

使用MSHTML解析HTML页面

小云
97
2023-09-14 08:38:33
栏目: 编程语言

要使用MSHTML解析HTML页面,首先需要导入mshtml这个Python模块。

import mshtml

然后,您可以使用mshtml模块中的HTMLDocument类来解析HTML页面。首先,您需要将HTML页面加载到HTMLDocument对象中:

html = """
<html>
<head>
<title>Example Page</title>
</head>
<body>
<h1>Welcome</h1>
<p>This is an example page.</p>
</body>
</html>
"""
doc = mshtml.HTMLDocument()
doc.write(html)

现在,您可以使用HTMLDocument对象来访问和操作HTML元素。例如,要获取页面标题,可以使用get_title方法:

title = doc.get_title()
print(title)  # Output: Example Page

要获取页面中的h1标题和p段落,可以使用getElementsByTagName方法:

h1 = doc.getElementsByTagName('h1')[0].innerHTML
p = doc.getElementsByTagName('p')[0].innerHTML
print(h1)  # Output: Welcome
print(p)   # Output: This is an example page.

您还可以遍历整个HTML文档,找到特定类型的元素,并对其进行操作。例如,以下代码将找到所有的链接,并打印它们的文本和URL:

links = doc.getElementsByTagName('a')
for link in links:
text = link.innerHTML
url = link.href
print(text, url)

这只是MSHTML模块的一部分功能,您可以根据您的需求使用其他方法和属性来解析和操作HTML页面。

0