beautiful soul 解析html

最新推荐文章于 2024-03-29 18:25:47 发布

我想我可以更强

最新推荐文章于 2024-03-29 18:25:47 发布

阅读量823

点赞数

分类专栏： python

python 专栏收录该内容

13 篇文章 0 订阅

订阅专栏

http://www.ibm.com/developerworks/cn/aix/library/au-threadingpython/

http://blog.csdn.net/u013372487/article/details/51734047

http://blog.csdn.net/ghostjay0216/article/details/8122310

用BeautifulSoup 解析html和xml字符串

对象参数说明
实例：

#!/usr/bin/python
# -*- coding: UTF-8 -*-
from bs4 import BeautifulSoup
import re

#待分析字符串
html_doc = """
<html>
<head>
<title>The Dormouse's story</title>
</head>
<body>


The Dormouse's story



Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a>
and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.


...
"""

# html字符串创建BeautifulSoup对象
soup = BeautifulSoup(html_doc, 'html.parser', from_encoding='utf-8')

#输出第一个 title 标签
print soup.title

#输出第一个 title 标签的标签名称
print soup.title.name

#输出第一个 title 标签的包含内容
print soup.title.string

#输出第一个 title 标签的父标签的标签名称
print soup.title.parent.name

#输出第一个 p 标签
print soup.p

#输出第一个 p 标签的 class 属性内容
print soup.p['class']

#输出第一个 a 标签的 href 属性内容
print soup.a['href']
'''
soup的属性可以被添加,删除或修改. 再说一次, soup的属性操作方法与字典一样
'''
#修改第一个 a 标签的href属性为 http://www.baidu.com/
soup.a['href'] = 'http://www.baidu.com/'

#给第一个 a 标签添加 name 属性
soup.a['name'] = u'百度'

#删除第一个 a 标签的 class 属性为
del soup.a['class']

##输出第一个 p 标签的所有子节点
print soup.p.contents

#输出第一个 a 标签
print soup.a

#输出所有的 a 标签，以列表形式显示
print soup.find_all('a')

#输出第一个 id 属性等于 link3 的 a 标签
print soup.find(id="link3")

#获取所有文字内容
print(soup.get_text())

#输出第一个 a 标签的所有属性信息
print soup.a.attrs

for link in soup.find_all('a'):
#获取 link 的 href 属性内容
print(link.get('href'))

#对soup.p的子节点进行循环输出
for child in soup.p.children:
print(child)

#正则匹配，名字中带有b的标签
for tag in soup.find_all(re.compile("b")):
print(tag.name)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98

爬虫设计思路：

爬虫设计思路

详细手册：

https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/

版权声明：

我想我可以更强

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
beautiful soul 解析html

用BeautifulSoup 解析html和xml字符串对象参数说明实例： #!/usr/bin/python # -*- coding: UTF-8 -*- from bs4 import BeautifulSoup import re #待分析字符串 html_doc = """
复制链接

扫一扫

专栏目录