bs4进行数据解析
bs4数据解析的原理:
1.实例化一个Beautifulsoup对象,并将页面源码数据加载到该对象中
2.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
如何实例化BeautifulSoup对象:
from bs4 import BeautifulSoup
对象的实例化:
1.将本地HTML文档中的数据加载到该对象中
# 将本地html文档中的数据加载到对象中
fp = open('./test.html','r',encoding='utf-8')
soup = BeautifulSoup(fp,'lxml')
print(soup)
2.将互联网上获取的页面源码加载到该对象当中(伪代码)
page_text = response.text
soup = BeautifulSoup(page_text,'lxml')
具体使用
1.soup.tagName和soup.find()
print(soup.a) # soup.tagName 返回的是html中第一次出现的tagName
soup.find('div') # soup.find()等价于soup.div
2.属性定位
soup.find('div',class_='song') # 返回class=song对应的div
# 除去使用class还可以使用id等来定位
3.soup.find_all():返回所有符合要求的标签
soup.find_all('a') # 返回源码对应的所有a标签
4.select:
select(‘某种选择器(id,class,标签…选择器)’),返回的是一个列表
层级选择器:
soup.select('.tang > ul > li > a')[0] #层级选择器 '>'表示的是一个层级 返回一个列表 [0]表示选出列表第一个元素
soup.select('.tang > ul a')[0] # 在ul与a层级之间间隔一个li标签,这是使用空格则表示多个层级
5.获取标签之间的文本数据
soup.a.text/string/get_text()
# text/get_text():可以获取某一标签中所有的标签内容,即使该文本内容不属于该标签直系内容
# string只可以获取该标签下面直系的文本内容
6.获取标签中的属性值
soup.a['href'] # 直接获取a标签的属性值