Python爬虫之string、strings、stripped_strings、get_text和text用法区别

Python爬虫获取html中的文本方法多种多样,这里主要介绍一下string、strings、stripped_strings和get_text用法

string:用来获取目标路径下第一个非标签字符串,得到的是个字符串

strings:用来获取目标路径下所有的子孙非标签字符串,返回的是个生成器

stripped_strings:用来获取目标路径下所有的子孙非标签字符串,会自动去掉空白字符串,返回的是一个生成器

get_text:用来获取目标路径下的子孙字符串,返回的是字符串(包含HTML的格式内容)

text:用来获取目标路径下的子孙非标签字符串,返回的是字符串

这里补充说明一下,如果获取到的是生成器,一般都是把它转换成list,不然你看不出那是什么玩意

接下来举栗子说明。以某中介网站举例,目标是获取各个在售二手单元的信息

 一、string

import requests
from bs4 import BeautifulSoup

url = 'https://gz.centanet.com/ershoufang/'
headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}

respone = requests.get(url,headers=headers)
soup = BeautifulSoup(respone.text)

ps = soup.select('div[class="section"] div[class="house-item clearfix"] p[class="house-name"]')
for p in ps:
    house = p.string
    print(house)

上面代码执行结果显示的是一堆None,这是因为string只会取第一个值,如下图,第一个值是空,所以最终获取到的是None

 

二、strings

import requests
from bs4 import BeautifulSoup

url = 'https://gz.centanet.com/ershoufang/'
headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}

respone = requests.get(url,headers=headers)
soup = BeautifulSoup(respone.text)

ps = soup.select('div[class="section"] div[class="house-item clearfix"] p[class="house-name"]')
for p in ps:
    house = list(p.strings)
    print(house)

如下图,每个list中都会有10个字段,这些字段如何来的参考上图我框红色的地方就知道了。

 

三、stripped_strings

import requests
from bs4 import BeautifulSoup

url = 'https://gz.centanet.com/ershoufang/'
headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}

respone = requests.get(url,headers=headers)
soup = BeautifulSoup(respone.text)

houses = []
ps = soup.select('div[class="section"] div[class="house-item clearfix"] p[class="house-name"]')
for p in ps:
    house = list(p.stripped_strings)#stripped_strings一下子能取出对应目录下的所有文本,并且自动把空白去掉
    houses.append(house)
    print(house)

 

四、get_text

import requests
from bs4 import BeautifulSoup

url = 'https://gz.centanet.com/ershoufang/'
headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}

respone = requests.get(url,headers=headers)
soup = BeautifulSoup(respone.text)

ps = soup.select('div[class="section"] div[class="house-item clearfix"] p[class="house-name"]')
for p in ps:
    house = p.get_text
    print(house)
    print("=="*40)

如下图,红色框选中部分即为一个字符串 

 

五、text

import requests
from bs4 import BeautifulSoup

url = 'https://gz.centanet.com/ershoufang/'
headers = {'User-Agent':"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/76.0.3809.100 Safari/537.36"}

respone = requests.get(url,headers=headers)
soup = BeautifulSoup(respone.text)

ps = soup.select('div[class="section"] div[class="house-item clearfix"] p[class="house-name"]')
for p in ps:
    house = p.text
    print(house)
    print("=="*40)

 

  • 21
    点赞
  • 73
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
stripped_strings是BeautifulSoup库中的一个方法,用于获取HTML文本中的所有非空白字符串。它可以帮助我们快速提取出HTML中的文本内容,并自动去除空白字符。 在使用stripped_strings方法时,首先需要导入requests和BeautifulSoup库,然后通过requests库发送get请求获取网页的HTML源代码。接着使用BeautifulSoup库对HTML源代码进行解析,创建一个BeautifulSoup对象。然后通过选择器定位到目标元素,并使用stripped_strings方法来获取其中的文本内容。最后将获取到的文本内容存储到一个列表中,以便后续处理或展示。 如果需要获取HTML中的多个内容,可以使用遍历的方式,如for循环遍历soup.strings,然后使用repr(string)来打印每个非空白字符串。这样可以将去除空白字符后的文本逐个输出。 总结来说,stripped_strings方法是用于提取HTML文本中的非空白字符串的方法,可以帮助我们快速获取并处理HTML中的文本内容。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [Python爬虫stringstrings、stripped_strings、get_texttext用法区别](https://blog.csdn.net/qq_22592457/article/details/100597190)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [Python编程-- BS4解析](https://blog.csdn.net/weixin_41905135/article/details/126220373)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“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 4
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