【class5】关于string和text的一些知识 and 示例

获取标签内容（使用string，提取em中的内容）

由于 find_all() 返回的是一个列表，我们不能直接调用 .string 属性。
我们需要使用 for 循环遍历列表，获取每一个节点字符串，再来调用 .string 属性获取节点中的标签里的内容。

# 使用import导入requests模块

import requests

# 从bs4中导入BeautifulSoup模块

from bs4 import BeautifulSoup

# 将URL地址赋值给变量url

url = "https://nocturne-spider.baicizhan.com/2020/08/07/1/"

# 将变量url传入requests.get()，赋值给response

response = requests.get(url)

# 将服务器响应内容转换为字符串形式，赋值给html

html = response.text

# 使用BeautifulSoup()读取html，添加lxml解析器，赋值给soup

soup = BeautifulSoup(html, "lxml")

# 使用find_all()查询soup中em的节点，赋值给content_all

content_all = soup.find_all(name="em")

# for循环遍历content_all

for content in content_all:

    # 获取每个节点中标签内的内容，赋值给contentString

    contentString = content.string

    # 使用print输出contentString

    print(contentString)

PS：windows系统使用Ctrl+F

代码总结：

Import  requests

From bs4 import BeautifulSoup

url=“http：//+地址+/”

response=request.get(url)//找到网页

html=response.text//转化字符串

soup=BeautifulSoup（http，“lxml”）//将HTML标准化

content_all=soup.find_all(name=”p”)

for content in content_all:

contentSoup=content.string//提取文字内容

print（contentSoup）

关于string的一些小知识

提取节点包含多个子节点时：
当定位的节点中同时包含了多个子节点时，示例中标黄的部分：有两个节点，一个节点是 em 标签内容，另一个节点是纯文字。
使用 .string 属性 属性时，不清楚应该调用哪个节点的内容，会返回None值。

关于text的一些小知识

遇到节点中既包含其他节点，也有文字时，可以使用 .text 属性来提取内容。
.text 属性能直接提取该节点中的所有文字，并返回字符串格式。

使用 .text 属性来提取 p 节点中的所有的文字内容并输出。注意：这里的 .text 属性，用法是获取节点中的所有文字内容。
获取响应内容的 response.text 属性中的 .text 用于提取响应消息中的内容。

两段代码示例：

1.0

# 定义html

html = """

<p>

    <em>夜曲编程</em>

    这是一个段落

</p>"

# 从bs4中导入BeautifulSoup模块

from bs4 import BeautifulSoup

# 使用BeautifulSoup()读取html，添加lxml解析器，赋值给soup

soup = BeautifulSoup(html, "lxml")

# 使用find_all()查询soup中p节点，赋值给content_all

content_all = soup.find_all(name="p")

# for循环遍历content_all

for content in content_all:

    # 获取节点内的全部内容，赋值给contentString

    contentString = content.text

    # 使用print输出contentString

    print(contentString)

2.0

# 使用import导入requests模块

import requests

# 从bs4中导入BeautifulSoup模块

from bs4 import BeautifulSoup

# 将URL地址赋值给变量url

url = "https://nocturne-spider.baicizhan.com/2020/08/08/%E5%9F%9F%E5%90%8D/"

# 将变量url传入requests.get()，赋值给response

response = requests.get(url)

# 将服务器响应内容转换为字符串形式，赋值给html

html = response.text

# 使用BeautifulSoup()读取html，添加lxml解析器，赋值给soup

soup = BeautifulSoup(html, "lxml")

# 使用find_all()查询soup中h2节点，赋值给content_all

content_all = soup.find_all(name="h2")

# for循环遍历content_all

for content in content_all:

    # 使用.string获取节点的内容，赋值给contentString

    contentString = content.string

    # 使用print输出contentString

    print(contentString)

    # 使用.text获取节点的内容，赋值给contentString

    contentString = content.text

    # 使用print输出contentString

    print(contentString)

使用 find_all() 函数查找 <h2> 节点。for循环遍历列表，分别用 .string 属性和 .text 属性提取节点中的内容并输出。
使用.string 属性提取的内容为None。

第五天在夜曲的打卡