python中，有三个库可以解析html文本，HTMLParser,sgmllib,htmllib。他们的实现方法不通，但功能差不多。这三个库中 提供解析html的类都是基类，本身并不做具体的工作。他们在发现的元件后（如标签、注释、声名等），会调用相应的函数，这些函数必须重载，因为基类中不作处理。
《Python开发技术详解》.（ 周伟,宗杰）.[高清PDF扫描版+随书视频+代码] http://www.linuxidc.com/Linux/2013-11/92693.htmPython脚本获取Linux系统信息 http://www.linuxidc.com/Linux/2013-08/88531.htm在Ubuntu下用Python搭建桌面算法交易研究环境 http://www.linuxidc.com/Linux/2013-11/92534.htm用Python中自带的HTMLPaeser模块，解析下面的HTMl文件要求：1、获取到每一个漏洞的名称，CVE号，风险值2、显示每一个漏洞单独显示，不要堆叠在一起3、只获取高风险的漏洞<html>
<head>
<title>search</title>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312">
<LINK href="include/bbs.css" rel=stylesheet>
</head>
<body bgcolor="#ffffff" text="#000000" leftmargin="0" topmargin="0"><br><div id="Layer2" style="position:absolute; left:25%; top:99px; width:71%; height:265px; z-index:2; overflow: auto" class="bordernobackground"> <table width="100%" border="0" height="29" align="center" cellspacing="1" cellpadding="1" bordercolordark="#FFFFFF" bordercolorlight="#000000" class="a2">
<tr class="a1" height="22">
<td width="9%" class="a8">ID</td>
<td class="a8">检测名称</td>
<td width="14%" class="a8">CVE号</td>
<td width="20%" class="a8">检测类别</td>
<td width="15%" class="a8">风险级别</td>
</tr>
<tr class="a1" height="22">
<td class="a9">1</td>
<td class="a9">
<a href="javascript:openwindow（0）;">
FTP缓冲区溢出</a>
</td>
<td class="a9">
<a href="http://cve.mitre.org/cgi-bin/cvename.cgi？name=CVE-1999-0789" target="_blank"> CVE-1999-0789</a> </td>
<td class="a9">
FTP测试
</td>
<td class="a9">
<font color=#FF00FF>高风险</font>
</td>
</tr>
<tr class="a1" height="22">
<td class="a9">2</td>
<td class="a9">
<a href="javascript:openwindow（2）;">
AFS客户版本</a>
</td>
<td class="a9">
</td>
<td class="a9">
信息获取测试
</td>
<td class="a9">
<font color=#00CC00>信息</font>
</td>
</tr>
<tr class="a1" height="22">
<td class="a9">1</td>
<td class="a9">
<a href="javascript:openwindow（1）;">
ACC 路由器无需认证显示配置信息</a>
</td>
<td class="a9">
<a href="http://cve.mitre.org/cgi-bin/cvename.cgi？name=CVE-1999-0383" target="_blank"> CVE-1999-0383</a> </td>
<td class="a9">
网络设备测试
</td>
<td class="a9">
<font color=#FFCC00>中风险</font>
</td>
</tr>
<tr class="a1" height="22">
<td class="a9">3</td>
<td class="a9">
<a href="javascript:openwindow（17）;">
Knox Arkeia 缓冲区溢出</a>
</td>
<td class="a9">
<a href="http://cve.mitre.org/cgi-bin/cvename.cgi？name=CAN-1999-1534" target="_blank"> CAN-1999-1534</a> </td>
<td class="a9">
杂项测试
</td>
<td class="a9">
<font color=#FF00FF>高风险</font>
</td>
</tr>
</table></div>
</body>
</html>Python程序
html_get.pyclass CustomParser（HTMLParser.HTMLParser）:
"""
定义一个新的HTMLParser类,覆盖用到的方法
"""
cve_list = []
sigle_cve = []
selected = （"table", "div", "tr", "td", "a","font"） #需要解析的标签
selected_a = ["table/div/tr/td/a"] #需要获取标签a数据的路径
selected_font = ["table/div/tr/td/font"] #需要获取标签font数据的路径
def reset（self）:
HTMLParser.HTMLParser.reset（self）
self._level_stack = [] def handle_starttag（self, tag, attrs）:
if tag in CustomParser.selected:
self._level_stack.append（tag）
def handle_endtag（self, tag）:
if self._level_stack and tag in CustomParser.selected and tag == self._level_stack[-1]:
self._level_stack.pop（）
def handle_data（self, data）:
#我们将需要获取的数据放到一个list中，同时每一个漏洞的数据会放到一个小的listz中
#如[[名称,CVE,风险],[名称，CVE,风险]],这里拿到的是全部HTML中的数据
if "/".join（self._level_stack） in CustomParser.selected_a and not CustomParser.sigle_cve:
print self._level_stack, data.decode（"gbk"）.encode（"utf-8"）
CustomParser.sigle_cve.append（data.decode（"gbk"）.encode（"utf-8"）.strip（））
elif "/".join（self._level_stack） in CustomParser.selected_a:
print self._level_stack, data.decode（"gbk"）.encode（"utf-8"）.strip（）
CustomParser.sigle_cve.append（data.decode（"gbk"）.encode（"utf-8"）.strip（））
elif "/".join（self._level_stack） in CustomParser.selected_font and CustomParser.sigle_cve:
print self._level_stack, data.decode（"gbk"）.encode（"utf-8"）.strip（）
CustomParser.sigle_cve.append（data.decode（"gbk"）.encode（"utf-8"）.strip（））
CustomParser.cve_list.append（CustomParser.sigle_cve）
CustomParser.sigle_cve = []
if __name__ == "__main__":
"""
读取，判断是否为高风险，是的打印出来
"""
try:
fd = open（"test.html","r"）
except Exception,error:
print error
html_string = fd.read（）
ht = CustomParser（）
ht.feed（html_string）
get_list = ht.cve_list
for item in get_list:
if item[-1] == "高风险":
print item
fd.close（）
Python 的详细介绍：请点这里
Python 的下载地址：请点这里
本文永久更新链接地址：http://www.linuxidc.com/Linux/2014-05/101899.htm
易网时代-编程资源站