#作者:shelbi
from bs4 import BeautifulSoup
import requests
from pyecharts import Bar #进行可视化 pyecharts
ALL_DATA = [] #定义一个空列表
def parse_page(url):
headers = {
'User-Agent':'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/86.0.4240.198 Safari/537.36'
}
response = requests.get(url , headers = headers)
text = response.content.decode('utf-8')
soup =BeautifulSoup(text , 'html5lib')#因为港澳台那页url网页程序并不规范 所以使用容错性更高的html5lib,但是速度比较
conMidtab = soup.find('div' , class_ = 'conMidtab') #慢
tables = conMidtab.find_all('table') #find_all其实是tag对象的方法,并不是属于beautifulsoup,所以可以直接通过tag
for table in tables: #对象进行查询。所以conmidtab是tag对象, 所以可以直接.find_all查询
trs = table.find_all('tr')[2:] #[2:]:代表从第三个tr开始进行爬取,原因分析网页程序发现第一个第二个tr为表格的表头
for index , t
python项目(3)--bs4应用
最新推荐文章于 2024-08-10 23:14:03 发布
本文介绍如何使用Python的BeautifulSoup库(BS4)进行网页数据抓取。通过实例展示了从网页中提取信息的基本步骤,包括解析HTML结构、定位元素以及提取所需数据,为数据挖掘提供基础。
摘要由CSDN通过智能技术生成