2024年【爬虫系列】爬取小说网站--Bs4（2024-4-21可用）

在pip文件夹里面新建一个文件叫做 pip.ini ,内容写如下即可

[global]

timeout = 6000

index-url = https://mirrors.aliyun.com/pypi/simple/

trusted-host = mirrors.aliyun.com

linux

（1）cd ~

（2）mkdir ~/.pip

（3）vi ~/.pip/pip.conf

（4）编辑内容，和windows一模一样

• 需要安装：

• pip install bs4

• pip install lxml

2、Bs4进行数据解析

---

1 数据解析的原理:

-1.标签定位

-2.提取标签、标签属性中存储的数据值

2 bs4数据解析的原理:

-1.实例化一个BeautifulSoup对象，并且将页面源码数据加载到该对象中

-2.通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取

3 环境安装:

- pip install bs4

- pip install lxml

3、如何实例化BeautifulSoup对象:

---

from bs4 import BeautifulSoup

对象的实例化:

- 1.将本地的html文档中的数据加载到该对象中

fp = open( ‘./test.html’ ,‘r’ ,encoding=‘utf-8’)soup =BeautifulSoup(fp, ‘lxml’ )

-2.将互联网上获取的页面源码加载到该对象中

page_text =response.text

soup =BeatifulSoup(page_text, ’ lxml’)

4、提供的用于数据解析的方法和属性:

---

- soup.tagName:返回的是文档中第一次出现的tagName对应的标签- soup.find( ):

-find( 'tagName '):等同于soup.div一属性定位:

-soup.find( ‘div’ ,class_/id/attr= 'song ')

- soup.find_all( 'tagName '):返回符合要求的所有标签（列表)select:

- select('某种选择器(id,class，标签…选择器)‘),返回的是一个列表。一层级选择器:

- soup.select( ‘.tang > ul > li > a’):>表示的是一个层级- oup.select( ‘.tang > ul a’):空格表示的多个层级

5、获取标签之间的文本数据:

---

文末有福利领取哦~

👉一、Python所有方向的学习路线

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉二、Python必备开发工具

👉三、Python视频合集

观看零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

👉 四、实战案例

光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（文末领读者福利）

👉五、Python练习题

检查学习结果。

👉六、面试资料

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

👉因篇幅有限，仅展示部分资料，这份完整版的Python全套学习资料已经上传

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里无偿获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！