• BeautifulSoup类


    1 from bs4 import BeautifulSoup
    2 soup1 = BeautifulSoup("<html>data</html>","html.parser")
    3 soup2 = BeautifulSoup(open("D://demo.html"),"html.parser")

    BeautifulSoup库解析器:

    解析器 使用方法 条件
    bs4的HTML解析器 BeautifulSoup(mk,'html.parser') 安装bs4库
    lxml的HTML解析器 BeautifulSoup(mk,'lxml') pip install lxml
    lxml的XML解析器 BeautifulSoup(mk,'xml') pip install lxml
    html5lib的解析器 BeautifulSoup(mk,'html5lib') pip install html5lib

    BeautifulSoup类的基本元素:

    基本元素 说明
    Tag 标签,最基本的信息组织单元,分别用<></>表明开头和结尾
    Name 标签的名字,<p>...</p>的名字是'p',格式:<tag>.name
    Attributes 标签的属性,字典形式组织,格式:<tag>.attrs
    NavigableString 标签内非属性字符串,<>...</>中字符串,格式:<tag>.string
    Comment 标签内字符串的注释部分,一种特殊的Comment类型
     1 import request
     2 from bs4 import BeautifulSoup
     3 
     4 r = requests.get('http://www.baidu.com')
     5 r.raise_for_status()
     6 r.encoding = r.apparent_encoding
     7 demo = r.text
     8 soup = BeautifulSoup(demo,"html.parser")
     9 print(soup.title)#打印title标签
    10 tag = soup.a
    11 prnt(tag)#打印a标签,有时候一个页面里面有很多个a标签,可是这个方法只能获得第一个a标签
    12 print(soup.a.name)#获得a标签的名字,即a
    13 print(soup.a.parent.name)#获得a标签的上一级标签
    14 print(soup.a.parent.parent.nama)#获得a标签的祖父的标签名字
    15 print(tag.attrs)#获得标签的属性
    16 print(tag.attrs['class'])#获得a标签的class属性
    17 print(tag.attrs['href'])#获得a标签的href属性,即相关链接
    18 print(type(tag.attrs))#获得标签的属性,即字典型<class 'dict'>
    19 print(type(tag))#获得标签的类型,<class 'bs4.element.Tag'>
    20 
    21 print(soup.a.string)#获得a标签里面的信息
    22 print(soup.p.string)#获得p标签里面的信息
    23 print(type(soup.p.string))#获得p标签的string的类型,是NavigavleString型,它可以跨越多个标签层次,<class 'bs4.element.NavigableString'>
    24 
    25 newsoup = BeautifulSoup(demo,"html.parser")#这个HTML里面的p标签里面有一个注释的b标签
    26 print(newsoup.b.string)#b是一个注释标签,但是打印出来的类型把尖括号去掉了,'This is a Comment'
    27 
    28 #小结:
    29 #<p class="tittle">...</p>
    30 #<tag.name   tag.attrs>tag.string</tag.name>
  • 相关阅读:
    HTTP 404
    hibernate官方新手教程 (转载)
    OpenStreetMap初探(一)——了解OpenStreetMap
    fopen 參数具体解释
    怎样将程序猿写出来的程序打包成安装包(最简单的)
    poj 2253 Frogger (最长路中的最短路)
    android笔记6——intent的使用
    uva 11133
    天津出差系列(五)----第五天
    贪心2--均分纸牌
  • 原文地址:https://www.cnblogs.com/BASE64/p/10288110.html
Copyright © 2020-2023  润新知