如何解析HTML文件的小于號

heray1990

Python采集HTML信息的時候怎樣避開javascript里面的小于號“<”。困擾�。�
如：<script>...i<a...<srcipt src="*.js">data<\\/script></script>。
怎樣取出src里面的鏈接？

用的是HTMLParser來解析的（Python 3.2），用handle_starttay可以識別最外面的<script></script>，
但是里面的data和src屬性取不出來。

xiaopan3322

這個好像可以用xml解析來做吧？
試試ElementTree

mozillazg

正則表達式也可以啊