9.10作业

最新推荐文章于 2024-09-18 20:54:23 发布

n20000104

最新推荐文章于 2024-09-18 20:54:23 发布

阅读量81

点赞数

文章标签：作业 BeautifulSoup4 pyquery

本文链接：https://blog.csdn.net/n20000104/article/details/100704261

版权

本文介绍了解析HTML的两大利器——BeautifulSoup4和Pyquery。BeautifulSoup4是一个强大的HTML/XML解析器，支持多种解析器如Python标准库和lxml，易于使用且功能强大。Pyquery则是jQuery的Python实现，提供了类似jQuery的语法，操作HTML文档既快速又便捷。本文将指导你如何使用这两个库进行网页解析。

摘要由CSDN通过智能技术生成

BeautifulSoup4
和lxml一样，BeautifulSoup也是一个HTML/XML的解析器，主要功能也是如何解析和提取HTML/XML

Beautiful用来解析HTML比较简单，API人性化，支持CSS选择器，Python标准库中的HTML解析器，也支持lxml的xml解析器，Beautiful Soup 3已经停止开发，推荐使用Beautiful Soup 4，使用pip 安装:pip install beautifulsoup4
bs4在解析时依赖解析器：
Python标准库 BeautifulSoup(markup,‘html.parser’) Python内置标准库，执行速度适中，容错能力强
lxml HTML 解析器 BeautifulSoup(markup,‘lxml’) 速度快、文档容错能力强

示例
导入bs4库

from bs4 import BeautifulSoup

创建 Beautiful Soup 对象
soup = BeautifulSoup

打开本地HTML文件都方式来创建对象
soup = BeautifulSoup(open('index.html))

格式化输出soup对象的内容
print(soup.prettify())

findall()方法


name	可以根据节点名查询
attrs	可以根据节点属性查询
text	用来匹配节点文本

获取属性 a.attrs['id]或者a['id]
获取文本 a.get_text()或者a.string

Pyquery解析库

pyquery库是 jQuery 的 Python 实现，能够以jQuery的语法来操作解析 HTML 文档，易用性和解析速度都很好
安装:
pip3 install pyquery
注意：pyquery依赖于lxml要先安装lxml，否则提示失败
pip3 install lxml
初始化：
有四种方法可进行初始化：可以通过传入字符串，lxml，文件或者url来使用PyQuery

在这里插入图片描述

python代码
在这里插入图片描述

其他操作


添加class	addClass(value)
判断是否包含指定的class返回true或flase	.hasClass(value)
获取子元素	.children()
获取父元素	.parends()
获取下一个元素	.next()
获取后面全部元素块	.nextAll()
获取所有不匹配该选择器的元素	.not_(sellector)