python网络数据采集练习1

基于书籍《python网络数据采集》（[美]Ryan Mitchell)

第二章2.2.1

用bs4在网站中读取所有颜色为绿色的字段。

from urllib.request import urlopen
from bs4 import BeautifulSoup

html = urlopen("http://www.pythonscraping.com/pages/warandpeace.html")
bsObj = BeautifulSoup(html,"html.parser")

nameList = bsObj.findAll("span",{"class":"green"})

for name in nameList:
	print(name.get_text())

urlopen用来读取一个从网络获取的远程对象。

findAll函数一共有6个参数，这里用的前两个，第一个标签名，第二个为字典封装的一个标签的若干属性和对应的属性值，这里是“绿色”。

get_text()用来把html文档的所有标签都清除，返回一个只含文字的字符串。