python爬虫中三种数据解析方式

最新推荐文章于 2023-12-14 14:00:00 发布
最新推荐文章于 2023-12-14 14:00:00 发布
阅读量956 收藏 1
点赞数
文章标签： python
原文链接：https://www.jianshu.com/u/8f2987e2f9fb
版权
一.正解解析

常用正则表达式：

单字符：

  • .: 除换行以外所有字符
  • []：[aoe] [a-w]匹配集合中任意一个字符
  • \d：数字 [0-9]
  • \D: 非数字
  • \w ：数字、字母、下划线、中文
  • \W : 非\w
  • \s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。
  • \S : 非空白

数量修饰：

  • *: 任意多次 >=0
  • +: 至少1次 >=1
  • ? : 可有可无 0次或者1次
  • {m} ：固定m次 hello{3,}
  • {m,}：至少m次
  • {m,n}：m-n次

边界：

  • $ : 以某某结尾
  • ^ : 以某某开头

分组：

    (ab)  
贪婪模式： .*
非贪婪（惰性）模式： .*?

re.I : 忽略大小写
re.M ：多行匹配
re.S ：单行匹配

re.sub(正则表达式, 替换内容, 字符串)

练习：

import re
#提取出python
key="javapythonc++php"
re.findall('python',key)[0]
#####################################################################
#提取出hello world
key="<html><h1>hello world<h1></html>"
re.findall('<h1>(.*)<h1>',key)[0]
#####################################################################
#提取170
string = '我喜欢身高为170的女孩'
re.findall('\d+',string)
#####################################################################
#提取出http://和https://
key='http://www.baidu.com and https://boob.com'
re.findall('https?://',key)
#####################################################################
#提取出hello
key='lalala<hTml>hello</HtMl>hahah' #输出<hTml>hello</HtMl>
re.findall('<[Hh][Tt][mM][lL]>(.*)</[Hh][Tt][mM][lL]>',key)
#####################################################################
#提取出hit. 
key='bobo@hit.edu.com'#想要匹配到hit.
re.findall('h.*?\.',key)
#####################################################################
#匹配sas和saas
key='saas and sas and saaas'
re.findall('sa{1,2}s',key)
#####################################################################
#匹配出i开头的行
string = '''fall in love with you
i love you very much
i love she
i love her'''

re.findall('^.*',string,re.M)
#####################################################################
#匹配全部行
string1 = """<div>静夜思
窗前明月光
疑是地上霜
举头望明月
低头思故乡
</div>"""

re.findall('.*',string1,re.S)

需求：爬取糗事百科指定页面的糗图，并将其保存到指定文件夹中

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import requests
import re
import os
if __name__ == "__main__":
     url = 'https://www.qiushibaike.com/pic/%s/'
     headers={
         'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',
     }
     #指定起始也结束页码
     page_start = int(input('enter start page:'))
     page_end = int(input('enter end page:'))

     #创建文件夹
     if not os.path.exists('images'):
         os.mkdir('images')
     #循环解析且下载指定页码中的图片数据
     for page in range(page_start,page_end+1):
         print('正在下载第%d页图片'%page)
         new_url = format(url % page)
         response = requests.get(url=new_url,headers=headers)

         #解析response中的图片链接
         e = '<div class="thumb">.*?<img src="(.*?)".*?>.*?</div>'
         pa = re.compile(e,re.S)
         image_urls = pa.findall(response.text)
          #循环下载该页码下所有的图片数据
         for image_url in image_urls:
             image_url = 'https:' + image_url
             image_name = image_url.split('/')[-1]
             image_path = 'images/'+image_name

             image_data = requests.get(url=image_url,headers=headers).content
             with open(image_path,'wb') as fp:
                 fp.write(image_data)
二.Xpath解析

测试页面数据

<html lang="en">
<head>
	<meta charset="UTF-8" />
	<title>测试bs4</title>
</head>
<body>
	<div>
		<p>百里守约</p>
	</div>
	<div class="song">
		<p>李清照</p>
		<p>王安石</p>
		<p>苏轼</p>
		<p>柳宗元</p>
		<a href="http://www.song.com/" title="赵匡胤" target="_self">
			<span>this is span</span>
		宋朝是最强大的王朝，不是军队的强大，而是经济很强大，国民都很有钱</a>
		<a href="" class="du">总为浮云能蔽日,长安不见使人愁</a>
		<img src="http://www.baidu.com/meinv.jpg" alt="" />
	</div>
	<div class="tang">
		<ul>
			<li><a href="http://www.baidu.com" title="qing">清明时节雨纷纷,路上行人欲断魂,借问酒家何处有,牧童遥指杏花村</a></li>
			<li><a href="http://www.163.com" title="qin">秦时明月汉时关,万里长征人未还,但使龙城飞将在,不教胡马度阴山</a></li>
			<li><a href="http://www.126.com" alt="qi">岐王宅里寻常见,崔九堂前几度闻,正是江南好风景,落花时节又逢君</a></li>
			<li><a href="http://www.sina.com" class="du">杜甫</a></li>
			<li><a href="http://www.dudu.com" class="du">杜牧</a></li>
			<li><b>杜小月</b></li>
			<li><i>度蜜月</i></li>
			<li><a href="http://www.haha.com" id="feng">凤凰台上凤凰游,凤去台空江自流,吴宫花草埋幽径,晋代衣冠成古丘</a></li>
		</ul>
	</div>
</body>
</html>

常用xpath表达式

属性定位：

#找到class属性值为song的div标签
//div[@class="song"]

层级&索引定位：

#找到class属性值为tang的div的直系子标签ul下的第二个子标签li下的直系子标签a
//div[@class="tang"]/ul/li[2]/a

逻辑运算：

#找到href属性值为空且class属性值为du的a标签
//a[@href="" and @class="du"]

模糊匹配：

//div[contains(@class, "ng")]
//div[starts-with(@class, "ta")]

取文本：

# /表示获取某个标签下的文本内容
# //表示获取某个标签下的文本内容和所有子标签下的文本内容
//div[@class="song"]/p[1]/text()
//div[@class="tang"]//text()

取属性：

//div[@class="tang"]//li[2]/a/@href

代码中使用xpath表达式进行数据解析：

1.下载：pip install lxml
2.导包：from lxml import etree

3.将html文档或者xml文档转换成一个etree对象，然后调用对象中的方法查找指定的节点

本地文件：

tree = etree.parse(文件名)
tree.xpath("xpath表达式")

网络数据：

tree = etree.HTML(网页内容字符串)
 tree.xpath("xpath表达式")

安装xpath插件在浏览器中对xpath表达式进行验证：可以在插件中直接执行xpath表达式

  • 将xpath插件拖动到谷歌浏览器拓展程序（更多工具）中，安装成功

  • 启动和关闭插件 ctrl + shift + x

需求：获取好段子中段子的内容和作者 http://www.haoduanzi.com

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
from lxml import etree
import requests

url='http://www.haoduanzi.com/category-10_2.html'
headers = {
        'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/66.0.3359.181 Safari/537.36',
    }
url_content=requests.get(url,headers=headers).text
#使用xpath对url_conten进行解析
#使用xpath解析从网络上获取的数据
tree=etree.HTML(url_content)
#解析获取当页所有段子的标题
title_list=tree.xpath('//div[@class="log cate10 auth1"]/h3/a/text()')

ele_div_list=tree.xpath('//div[@class="log cate10 auth1"]')

text_list=[] #最终会存储12个段子的文本内容
for ele in ele_div_list:
    #段子的文本内容（是存放在list列表中）
    text_list=ele.xpath('./div[@class="cont"]//text()')
    #list列表中的文本内容全部提取到一个字符串中
    text_str=str(text_list)
    #字符串形式的文本内容防止到all_text列表中
    text_list.append(text_str)
print(title_list)
print(text_list)

下载煎蛋网中的图片数据：http://jandan.net/ooxx

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
import requests
from lxml import etree
from fake_useragent import UserAgent
import base64
import urllib.request
url = 'http://jandan.net/ooxx'
ua = UserAgent(verify_ssl=False,use_cache_server=False).random
headers = {
    'User-Agent':ua
}
page_text = requests.get(url=url,headers=headers).text

#查看页面源码：发现所有图片的src值都是一样的。
#简单观察会发现每张图片加载都是通过jandan_load_img(this)这个js函数实现的。
#在该函数后面还有一个class值为img-hash的标签，里面存储的是一组hash值，该值就是加密后的img地址
#加密就是通过js函数实现的，所以分析js函数，获知加密方式，然后进行解密。
#通过抓包工具抓取起始url的数据包，在数据包中全局搜索js函数名（jandan_load_img），然后分析该函数实现加密的方式。
#在该js函数中发现有一个方法调用，该方法就是加密方式，对该方法进行搜索
#搜索到的方法中会发现base64和md5等字样，md5是不可逆的所以优先考虑使用base64解密
#print(page_text)

tree = etree.HTML(page_text)
#在抓包工具的数据包响应对象对应的页面中进行xpath的编写，而不是在浏览器页面中。
#获取了加密的图片url数据
imgCode_list = tree.xpath('//span[@class="img-hash"]/text()')
imgUrl_list = []
for url in imgCode_list:
    #base64.b64decode(url)为byte类型，需要转成str
    img_url = 'http:'+base64.b64decode(url).decode()
    imgUrl_list.append(img_url)

for url in imgUrl_list:
    filePath = url.split('/')[-1]
    urllib.request.urlretrieve(url=url,filename=filePath)
    print(filePath+'下载成功')

  • 问题：往往在进行大量请求发送的时候，经常会报出这一样的一个错误：HTTPConnectionPool（host:XX）Max retries exceeded with url。

  • 原因：

    1.每次数据传输前客户端要和服务器建立TCP连接，为节省传输消耗，默认为keep-alive，即连接一次，传输多次。然而如果连接迟迟不断开的话，则连接池满后则无法产生新的链接对象，导致请求无法发送。

    2.ip被封

    3.请求频率太频繁

  • 解决：如果下列解决未生效，则可以尝试再次执行程序

    1.设置请求头中的Connection的值为close，表示每次请求成功后断开连接

    2.更换请求ip

    3.每次请求之间使用sleep进行等待间隔

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
import requests
from fake_useragent import UserAgent
from lxml import etree
import random
import time

url = 'http://sc.chinaz.com/jianli/free_%d.html'
ua = UserAgent(verify_ssl=False,use_cache_server=False).random
headers = {
    'User-Agent':ua,
    #保证http请求成功后，立即断开连接，以解决HTTPConnectionPool（host:XX）Max retries exceeded with url的问题
    'Connection': 'close', #该行不写，则会报错
}
#proxy_list = ['101.255.56.201:36501','39.137.69.10:8080','195.29.106.178:58292','120.76.77.152:9999','178.75.1.111:50411','78.156.225.170:41258','193.192.177.196:56480']
for pageNum in range(1,3):
    get_url = format(url%pageNum)
    if pageNum==1:
        get_url = 'http://sc.chinaz.com/jianli/free.html'
    response = requests.get(url=get_url,headers=headers)
    response.encoding = 'utf-8'#处理中文乱码问题
    page_text = response.text
    tree = etree.HTML(page_text)
    div_list = tree.xpath('//div[@id="container"]/div')
    for div in div_list:
        second_url = div.xpath('./a/@href')[0]
        name = div.xpath('./p/a/text()')[0]+'.rar'
        second_page_text = requests.get(url=second_url,headers=headers).text
        second_tree = etree.HTML(second_page_text)
        download_url_list = second_tree.xpath('//div[@class="clearfix mt20 downlist"]/ul/li/a/@href')
        download_url = random.choice(download_url_list)
        data = requests.get(url=download_url,headers=headers).content
        with open(name,'wb') as fp:
            fp.write(data)
            print('下载完毕===>'+name)

#解决HTTPConnectionPool（host:XX）Max retries exceeded with url的问题：
        #time.sleep(3) #延长请求时间，模拟浏览器，否则请求频率太快会请求失败
        #使用代理池
        #设置请求头信息中的Connection为close
三.BeautifulSoup解析

环境安装

需要将pip源设置为国内源，阿里源、豆瓣源、网易源等
windows
（1）打开文件资源管理器(文件夹地址栏中)
（2）地址栏上面输入 %appdata%
（3）在这里面新建一个文件夹 pip
（4）在pip文件夹里面新建一个文件叫做 pip.ini ,内容写如下即可

[global]
timeout = 6000
index-url = https://mirrors.aliyun.com/pypi/simple/
trusted-host = mirrors.aliyun.com

linux
（1）cd ~
（2）mkdir ~/.pip
（3）vi ~/.pip/pip.conf
（4）编辑内容，和windows一模一样

需要安装：pip install bs4
bs4在使用时候需要一个第三方库，把这个库也安装一下
pip install lxml

基础使用

使用流程：
导包：from bs4 import BeautifulSoup
使用方式：可以将一个html文档，转化为BeautifulSoup对象，然后通过对象的方法或者属性去查找指定的节点内容

（1）转化本地文件：

soup = BeautifulSoup(open('本地文件'), 'lxml')

（2）转化网络文件：

soup = BeautifulSoup('字符串类型或者字节类型', 'lxml')

（3）打印soup对象显示内容为html文件中的内容

基础巩固：

（1）根据标签名查找

  • soup.a 只能找到第一个符合要求的标签

（2）获取属性

  • soup.a.attrs 获取a所有的属性和属性值，返回一个字典
  • soup.a.attrs[‘href’] 获取href属性
  • soup.a[‘href’] 也可简写为这种形式

（3）获取内容

  • soup.a.string
  • soup.a.text
  • soup.a.get_text()

【注意】如果标签还有标签，那么string获取到的结果为None，而其它两个，可以获取文本内容

（4）find：找到第一个符合要求的标签

  • soup.find(‘a’) 找到第一个符合要求的
  • soup.find(‘a’, title=“xxx”)
  • soup.find(‘a’, alt=“xxx”)
  • soup.find(‘a’, class_=“xxx”)
  • soup.find(‘a’, id=“xxx”)

（5）find_all：找到所有符合要求的标签

  • soup.find_all(‘a’)
  • soup.find_all([‘a’,‘b’]) 找到所有的a和b标签
  • soup.find_all(‘a’, limit=2) 限制前两个

（6）根据选择器选择指定的内容

 select:soup.select('#feng')
  • 常见的选择器：标签选择器(a)、类选择器(.)、id选择器(#)、层级选择器
    层级选择器：
div .dudu #lala .meme .xixi  下面好多级
div > p > a > .lala          只能是下面一级

【注意】select选择器返回永远是列表，需要通过下标提取指定的对象

需求：使用bs4实现将诗词名句网站中三国演义小说的每一章的内容爬去到本地磁盘进行存储 http://www.shicimingju.com/book/sanguoyanyi.html

'''
遇到问题没人解答？小编创建了一个Python学习交流QQ群：778463939
寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！
'''
#!/usr/bin/env python
# -*- coding:utf-8 -*-
import requests
from bs4 import BeautifulSoup

headers={
         'User-Agent': 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_12_0) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/69.0.3497.100 Safari/537.36',
     }
def parse_content(url):
    #获取标题正文页数据
    page_text = requests.get(url,headers=headers).text
    soup = BeautifulSoup(page_text,'lxml')
    #解析获得标签
    ele = soup.find('div',class_='chapter_content')
    content = ele.text #获取标签中的数据值
    return content

if __name__ == "__main__":
     url = 'http://www.shicimingju.com/book/sanguoyanyi.html'
     reponse = requests.get(url=url,headers=headers)
     page_text = reponse.text

     #创建soup对象
     soup = BeautifulSoup(page_text,'lxml')
     #解析数据
     a_eles = soup.select('.book-mulu > ul > li > a')
     print(a_eles)
     cap = 1
     for ele in a_eles:
         print('开始下载第%d章节'%cap)
         cap+=1
         title = ele.string
         content_url = 'http://www.shicimingju.com'+ele['href']
         content = parse_content(content_url)

         with open('./sanguo.txt','w') as fp:
             fp.write(title+":"+content+'\n\n\n\n\n')
             print('结束下载第%d章节'%cap)
Python热爱者
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
python爬取数据的类型_Python爬虫总结（二）常见数据类型及其解析方法
weixin_39926540的博客
12-03 1604
Python爬虫总结(二)常见数据类型上一篇我们简单介绍了如何用Python发送 http/https 请求获取网上数据,从web上采集回来的数据的数据类型有很多种,主要有:放在HTML里.直接放在javascript里.放在JSON里.放在XML里.注意:这里很多概念都是web前端开发里的,因为我们采集的大多数数据都来自web,因此了解一些前端知识还是挺有必要的.下面我简单介绍下各种数据类型,并...
Python爬虫与数据分析
Showing_abc的博客
04-08 2650
Python爬虫与数据分析 目的 爬取网易云音乐歌曲热评，分析热评特征。 思路 （1）爬取华语歌单中所有歌单url （2）从每篇歌单地址中爬取每首歌的url （3）从每首歌的首页爬取热评 代码 (1) 爬取华语歌单中所有歌单url，从歌单url获取歌单中每首歌的歌名和id，并保存到文件music_163_02.csv。 import logging import requests from pyquery import PyQuery as pq import pandas as pd import r
实战讲解四种不同的爬虫解析数据方法，必须掌握！
weixin_56537764的博客
04-08 1000
爬虫解析数据有很多种，爬取不同的数据，返回的数据类型不一样，有html、json、xml、文本（字符串）等多种格式！ 掌握这四种解析数据的方式，无论什么样的数据格式都可以轻松应对处理。 这四种方式分别是：1.xpath、2.bs4、3.json、4.正则。 下面以实战方式讲解这四种技术如何使用！！！ 1、Xpath 1.请求数据 请求链接如下，以小说网站：新笔趣阁，为案例进行讲解 http://www.xbiquge.la/xuanhuanxiaosh 导入相应的库 import requests fr
爬虫04——数据解析（一）
m0_48936146的博客
04-27 1000
回顾——聚焦爬虫： 爬取页面中指定的页面内容；获得相应的数据信息之后的处理我们就称之为数据解析 编码流程： — 指定url — 发起请求 — 获取响应数据 — 数据解析 — 持久化存储 数据解析分类： — 正则 — bs4 — xpath(通用性较强) 数据解析原...
关于爬虫解析数据的4种方式
米兔-miny的博客
11-22 9537
爬虫之解析数据的4种方式：XPath解析数据、BeautifulSoup解析数据、正则表达式、pyquery解析数据。
爬虫数据解析的三方式
蜗牛在奔跑的博客
04-02 1059
2、爬虫数据解析的三方式 一.正则表达式解析 常用正则表达式回顾： 单字符： . : 除换行以外所有字符 [] ：[aoe] [a-w] 匹配集合中任意一个字符 \d ：数字 [0-9] \D : 非数字 \w ：数字、字母、下划线、中文 \W : 非\w \s ：所有的空白字符包,括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。 \S : 非空白
【python爬虫】数据解析
m0_54797890的博客
02-07 270
数据解析分类： 正则 bs4 xpath 数据解析原理概述： 解析的局部的文本内容都会在标签中间或者标签对应的属性中进行存储 一、正则 常用正则： 正则示例： 这里要记录我走过的一个大坑 我第一次用正则来进行数据解析的时候，是拿新浪图片这个网站开刀的（http://news.sina.com.cn/zt_d/street/），我想爬取这个页面中所有的“月选作品”图片，于是就右键检查找到对应图片的代码，是这样的： <img node-type="img" style="width: 100%;he
python爬虫爬取网页数据并解析数据
12-16
【Python爬虫爬取网页数据并解析数据】 Python爬虫是一种自动抓取互联网信息的程序，也称为网络蜘蛛或机器人。它通过模拟浏览器发送HTTP请求，接收服务器响应，按照预设的规则对网页内容进行抓取。爬虫的灵活性很高...
Python爬虫爬取、解析数据操作示例
09-17
在本示例中，我们将探讨如何使用Python进行网页爬取、数据解析以及存储。首先，我们需要了解爬虫的基本流程，包括请求网页、解析HTML内容和存储数据。 1. **请求网页**： 在Python中，`requests`库是我们常用的...
python爬虫学习案例-.数据解析.rar
最新发布
05-30
01.requets爬取图片·Py02.正则表达式爬取整页图片·Py03.正则表达式爬取多页图片.Py04.bs4解析基础.Py05.bs4爬取小说网小说.Py06.Xpath爬取58二手房信息,Py07.Xpath爬取美女图片·Py08.Xpath爬取全国城市名.Py
json 数据解析包
09-24
commons-collections-3.2.jar，commons-lang-2.3.jar，commons-beanutils-1.7.0.jar，ezmorph-1.0.4.jar
python爬虫数据可视化分析大作业
12-19
Python爬虫数据可视化分析大作业是一项综合性的任务，它涵盖了多个关键知识点，旨在利用Python编程语言获取网络数据，处理并进行有效的视觉呈现。这个作业主要涉及以下内容： 1. **Python爬虫技术**：Python是数据...
爬虫（二）解析数据
ifhuke的博客
03-09 421
对爬虫web中遇到的数据进行提取
爬虫解析提取数据的四种方法
热门推荐
Python中文社区
03-10 1万+
一、分析网页以经典的爬取豆瓣电影 Top250 信息为例。每条电影信息在 ol class 为 grid_view 下的 li 标签里，获取到所有 li 标签的内容，然后遍历，就可以从中提...
Python 爬虫：教你四种姿势解析提取数据
weixin_68789096的博客
05-12 8620
爬取网页数据用正则表达式的话，可以直接从网页源代码文本中匹配，但出错率较高，且熟悉正则表达式的使用也比较难，需要经常翻阅文档。实际爬取数据大多基于 HTML 结构的 Web 页面，网页节点较多，各种层级关系。可以考虑使用 Xpath 解析器、BeautifulSoup解析器、PyQuery CSS解析器抽取结构化数据，使用正则表达式抽取非结构化数据。Xpath：可在 XML 中查找信息；支持 HTML 的查找；通过元素和属性进行导航，查找效率很高。
深度解析：用Python爬虫逆向破解加密数据！
xiaoganbuaiuk的博客
11-27 2625
大家好！我是敢敢，关注我，收看每期的编程干货。本期文章将带你详细地逆向解析某查查加密数据的构造逻辑，Follow me~
Python爬虫入门之爬虫解析提取数据的四种方法
weixin_55154866的博客
12-14 3227
本文主要介绍了Python爬虫入门之爬虫解析提取数据的四种方法，通过具体的内容向大家展现，希望对大家Python爬虫的学习有所帮助。
【python】几种常见的数据解析方式，你习惯用哪种呢？
weixin_63466470的博客
09-24 1556
我们在使用爬虫获取数据时，通常需要先通过某种方式定位到数据所在，然后再进行爬取，而这种方式就是数据解析，数据解析有多种方法，下面我介绍几种常见的数据解析方式。。。
爬虫方法论（数据解析方法汇总）
zhanlang619的博客
03-25 310
数据解析分类： 正则表达式 bs4 xpath （最常用且最便捷高效的一种解析方式） 数据解析原理概述：解析的局部的文本内容都会在标签之间或者标签对应的属性中进行存储 步骤：进行指定标签的定位；标签或者标签对应的属性中存储的数据值进行提取 正则表达式 bs4进行数据解析步骤： bs4解析原理： 实例化一个BeautifulSoup对象，并且将页面源码数据加载到该对象中 通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取 环境安装： - pip install bs4
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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