要使用MSHTML解析HTML頁面,首先需要導入mshtml這個Python模塊。
import mshtml
然后,您可以使用mshtml模塊中的HTMLDocument
類來解析HTML頁面。首先,您需要將HTML頁面加載到HTMLDocument
對象中:
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)
現在,您可以使用HTMLDocument
對象來訪問和操作HTML元素。例如,要獲取頁面標題,可以使用get_title
方法:
title = doc.get_title()
print(title) # Output: Example Page
要獲取頁面中的h1標題和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.
您還可以遍歷整個HTML文檔,找到特定類型的元素,并對其進行操作。例如,以下代碼將找到所有的鏈接,并打印它們的文本和URL:
links = doc.getElementsByTagName('a')
for link in links:
text = link.innerHTML
url = link.href
print(text, url)
這只是MSHTML模塊的一部分功能,您可以根據您的需求使用其他方法和屬性來解析和操作HTML頁面。