用BeautifulSoup模块解析HTML

一、不要用正则表达式来解析HTML

原因:HTML的格式有许多不同的方式,并且仍然被认为有效,但尝试用正则表达式来捕捉所有这些可能的变化,将会非常复杂且容易出错。

二、使用BeautifulSoup模块解析HTML

1、从HTML创建一个BeautifulSoup对象

import bs4, requests                          #导入模块

res = requests.get('heep://nostarch.com')
res.raise_for_status()                        #检查文件是否下载成功,如果文件下载出错,则抛出异常
noStarchSoup = bs4.BeautifulSoup(res.text)

2、用select()方法寻找元素

  • CSS选择器
  • select()方法返回一个Tag对象的列表
elems = noStarchSoup.select('#author')
elems[0].getText()             #返回该元素的文本
str(elems[0])                  #返回一个字符串
elems[0].attrs                 #返回一个字典,包括该元素的属性以及该属性的值
elems[0].get('id')             #从元素中获取属性值







  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值