html.parser: Simple HTML/XHTML Parser ใน Python

โมดูล html.parser ให้ HTMLParser class สำหรับ parse HTML/XHTML แบบ event-driven (SAX-style)

การใช้งานพื้นฐาน

from html.parser import HTMLParser

class MyParser(HTMLParser):
    def handle_starttag(self, tag, attrs):
        print(f"Start tag: {tag}")
        for attr in attrs:
            print(f"  attr: {attr}")

    def handle_endtag(self, tag):
        print(f"End tag: {tag}")

    def handle_data(self, data):
        if data.strip():
            print(f"Data: {data}")

    def handle_comment(self, data):
        print(f"Comment: {data}")

    def handle_startendtag(self, tag, attrs):
        print(f"Self-closing tag: {tag}")

parser = MyParser()
parser.feed('Link')
# Start tag: a
#   attr: ('href', 'https://example.com')
# Data: Link
# End tag: a

Handler Methods

Method	Trigger	Arguments
`handle_starttag(tag, attrs)`	Opening tag `<tag>`	tag (lowercase), attrs (list of tuples)
`handle_endtag(tag)`	Closing tag `</tag>`	tag (lowercase)
`handle_startendtag(tag, attrs)`	Self-closing `<tag/>`	tag, attrs
`handle_data(data)`	Text content	data string
`handle_comment(data)`	Comment `<!--...-->`	data string
`handle_entityref(name)`	Named entity `&name;`	name
`handle_charref(name)`	Numeric entity `&#nnn;`	name
`handle_decl(decl)`	DOCTYPE `<!DOCTYPE...>`	decl string
`handle_pi(data)`	Processing instruction `<?...>`	data

ตัวอย่าง Parse HTML Document

html = '''

  
    Tutorialspoint
    Python standard library
    HTML module
    
  

'''

parser = MyParser()
parser.feed(html)
# Start tag: html
# Start tag: body
# Start tag: h1
# Data: Tutorialspoint
# End tag: h1
# Start tag: b
# Data: Python standard library
# End tag: b
# Start tag: p
# Data: HTML module
# End tag: p
# Comment: This is a comment
# End tag: body
# End tag: html

Utility Methods

>> parser.get_starttag_text()  # text ของ start tag ล่าสุด
''

>>> parser.getpos()  # (line_number, offset)
(8, 4)

ข้อจำกัด

ไม่ validate HTML (lenient parser)
ไม่สร้าง DOM tree (ใช้ html.parser แบบ streaming)
สำหรับ DOM ใช้ BeautifulSoup (external) หรือ xml.etree.ElementTree (XML)
Malformed HTML อาจ parse ผิดพลาด

Use Cases

Extract links, metadata จาก HTML
Simple scraping tasks
HTML sanitization/cleaning
Template processing