1 

#!/usr/bin/env python
 2 from sgmllib import SGMLParser
 3 s = """
 4     <html>
 5         <head>what's in</head>
 6         <td> hello 
 7             <td> table1 blahblah </td>
 8             <td> table </td>
 9         </td>
10         ok the end blah
11     </html>
12 """
13 class Parse(SGMLParser):
14     def reset(self):
15         self.found_td = 0
16         SGMLParser.reset(self)
17     def start_td(self, attrs):
18         self.found_td += 1
19     def end_td(self):
20         self.found_td -= 1
21     def handle_data(self, text):
22         if self.found_td > 0:
23             print 'Data: %s' % text
24 
25 p = Parse()
26 p.feed(s)

每个标签设一个标记，然后在handle_date里面判断读取

假如要处理<title>Hello world!</title>

碰到<title>的时候，title的标记由0变1；碰到数据的时候，验证title的标记的值，如果大于0则说明这是title的数据，可以提取出来；碰到</title>的时候，该标记由1变0，再碰到数据便可以识别出这不是title。