练习：
这是练习的HTML文件:net.html
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <title>这是标题！</title> </head> <body> <h1>这是h1标签</h1> <P ID = "p1Node">This is paragraph 1.</P> <P ID = "p2Node">段落2</P> <li><a href="http://www.gzcc.cn/">广州商学院</a></li> <li><a href="http://news.gzcc.cn">第一新闻网</a></li> <li><a href="http://news.gzcc.cn">第二新闻网</a></li> <li> <a href="http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0327/9106.html"> <div class="news-list-thumb"><img src="http://oa.gzcc.cn/uploadfile/2018/0327/20180327035432412.jpg"></div> <div class="news-list-text"> <div class="news-list-title" style="">新西兰梅西大学代表团来我校访问</div> <div class="news-list-description">3月27日上午，新西兰梅西大学商务发展与运营经理Rebecca Argyle、商务经理Joy Hotter等一行来我校访问交流。</div> <div class="news-list-info"><span><i class="fa fa-clock-o"></i>2018-03-27</span><span><i class="fa fa-building-o"></i>外国语学院</span></div> </div> </a> </li> </body> </html>
取出h1标签的文本
取出a标签的链接
取出所有li标签的所有内容
取出第2个li标签的a标签的第3个div标签的属性
取出一条新闻的标题、链接、发布时间、来源
# -*- coding：UTF-8 -*- # -*- author：deng -*- import requests from bs4 import BeautifulSoup res = requests.get('http://localhost:63342/hello/net.html?_ijt=tuenh08pgsh6msjqkka9cjg3im') res.encoding = 'UTF-8' soup = BeautifulSoup(res.text, 'html.parser') # 取出h1标签的文本 for h1 in soup.find_all('h1'): print(h1.text) # 取出a标签的链接 for a in soup.find_all('a'): print(a.attrs.get('href')) # 取出所有li标签的所有内容 for li in soup.find_all('li'): print(li.contents) # 取出第2个li标签的a标签的第3个div标签的属性 print(soup.find_all('li')[1].a.find_all('div')[2].attrs) # 取出一条新闻的标题、链接、发布时间、来源 print(soup.select('div .news-list-title')[0].text) print(soup.select('div .news-list-thumb')[0].parent.attrs.get('href')) print(soup.select('div .news-list-info > span')[0].text) print(soup.select('div .news-list-info > span')[1].text)
问题：每次requests获取新建的HTML文件时，都要重新用浏览器打开net.html来更新localhost地址才能运行Python文件。