Python使用HTMLParser.HTMLParser处理网页

fateame

# -*- coding:utf-8 -*-
# file: GetImage.py
#
import Tkinter
import urllib
import HTMLParser
class MyHTMLParser(HTMLParser.HTMLParser):                                              # 创建HTML解析类
def __init__(self):
HTMLParser.HTMLParser.__init__(self)
self.gifs = []                                                          # 创建列表，保存gif
self.jpgs = []                                                          # 创建列表，保存jpg
def handle_starttag(self, tags, attrs):                                         # 处理起始标记
if tags == 'img':                                                       # 处理图片
for attr in attrs:
for t in attr:
if 'gif' in t:
self.gifs.append(t)                     # 添加到gif列表
elif 'jpg' in t:
self.jpgs.append(t)                     # 添加到jpg列表
else:
pass
def get_gifs(self):                                                             # 返回gif列表
return self.gifs
def get_jpgs(self):                                                             # 返回jpg列表
return self.jpgs
class Window:
def __init__(self, root):
self.root = root                                                        # 创建组件
self.label = Tkinter.Label(root, text = '输入URL:')
self.label.place(x = 5, y = 15)
self.entryUrl = Tkinter.Entry(root,width = 30)
self.entryUrl.place(x = 65, y = 15)
self.get = Tkinter.Button(root,
text = '获取图片', command = self.Get)
self.get.place(x = 280, y = 15)
self.edit = Tkinter.Text(root,width = 470,height = 600)
self.edit.place(y = 50)
def Get(self):
url = self.entryUrl.get()                                               # 获取URL
page = urllib.urlopen(url)                                              # 打开URL
data = page.read()                                                      # 读取URL内容
parser = MyHTMLParser()                                                 # 生成实例对象
parser.feed(data)                                                       # 处理HTML数据
self.edit.insert(Tkinter.END, '====GIF====\n')                          # 输出数据
gifs = parser.get_gifs()
for gif in gifs:
self.edit.insert(Tkinter.END, gif + '\n')
self.edit.insert(Tkinter.END, '===========\n')
self.edit.insert(Tkinter.END, '====JPG====\n')
jpgs = parser.get_jpgs()
for jpg in jpgs:
self.edit.insert(Tkinter.END, jpg + '\n')
self.edit.insert(Tkinter.END, '===========\n')
page.close()
root = Tkinter.Tk()
window = Window(root)
root.minsize(600,480)
root.mainloop()
　　

　　点击打开链接