我试图使用HTML解析器 http://easyhtmlparser.sourceforge.net/我如何使用easyhtmlparser从python的html文件中获取所有链接？
fd = open('file.html', 'r')
data = fd.read()
fd.close()
html = Html()
dom = html.feed(data)
for ind in dom.sail():
if ind.name == 'a':
print ind.attr['ref']
嘛，我不是特别想读easyhtmlparser的文档获取某个页面中的所有链接和图像，但如果你愿意使用Beautiful Soup：
from bs4 import BeautifulSoup
fd = open('file.html', 'r')
data = fd.read()
fd.close()
soup = BeautifulSoup(data)
for link in soup.find_all('a'):
print(link.get('href')) #or do whatever with it
应该可以工作，但我没有测试过它。祝你好运！
编辑：现在我有。有用。
编辑2：要找到图像，搜索所有图像标签等，找到src链接。我相信你可以在Beautiful Soup或easyhtmlparser文档中找到。
要下载并放入一个文件夹，
import urllib
urllib.urlretrieve(IMAGE_URL, path_to_folder/imagename)
或者你可以只从urllib的阅读，因为最终一切都只是一个字符串，读比获取更直接。
好。我尝试了美丽的汤，但easyhtmlparser文档似乎更简单。我特别不喜欢beautifulsoup它似乎没有其他方法来处理其他事情。无论如何它的罚款。我会继续在这里尝试。 – tau
@ barroieuoeiru适合你的任何东西。它看起来好像美丽的汤有更多的功能，更可靠，并有更好的记录。 – vroomfondel
我想我知道我的代码为什么没有工作。我使用'ref'而不是'href'。显然我可以使用方法dom.find（'a'）遍历所有链接。 – tau
我会这样做。
from ehp import *
with open('file.html', 'r') as fd:
data = fd.read()
html = Html()
dom = html.feed(data)
for ind in dom.sail():
if ind.name == 'a':
print ind.attr['href']
elif ind.name == 'img':
print ind.attr['src']
你嫁给了easyhtmlparser吗？美丽的汤是我的英雄。 – vroomfondel