Beautiful Soup解析工具简介

1.HTML解析器有很多种,比如:

解析工具 解析速度 难度       
BeautifulSoup最慢最简单
lxml简单
正则最快最难

2.Beautiful Soup解析工具的官方文档链接

2.1获取所有"a"标签、2.2获取第2个"a"标签、2.3获取class='ulink'的"a"标签、2.4获取满足多个条件的"a"标签、2.5获取所有"a"标签的href属性、2.6获取纯文本text信息。示例代码如下:

# coding:utf-8

import requests
from lxml import etree
from bs4 import BeautifulSoup
import chardet
BASE_DOMAIN = "http://www.ygdy8.net"
HEADERS = {
    "User-Agent": "Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/67.0.3396.79 Safari/537.36"
}


def get_detailed_urls(url):
    # 1.获取网页信息
    response = requests.get(url, headers=HEADERS)
    # 查看网页后发现,编码方式为“gb2312”charset
    encode_style = chardet.detect(response.content)["encoding"]
    # text = response.content.decode(encode_style, "ignore")
    text = response.content.decode("gbk", "ignore")

    # 2.对获取的text进行解析,解析成元素
    soup = BeautifulSoup(text, "lxml")

    # 2.1获取所有"a"标签
    # all_a = soup.find_all("a")
    # for i in all_a:
    #     print i
    #     # Tag类型
    #     # print type(i)
    #     # from bs4.element import Tag

    # 2.2获取第2个"a"标签
    # all_a = soup.find_all("a", limit=2)[1]
    # print all_a

    # 2.3获取class='ulink'的"a"标签
    # # 方法一
    # # all_a = soup.find_all("a", class_="ulink")
    # # 方法二
    # all_a = soup.find_all("a", attrs={"class": "ulink"})
    # for i in all_a:
    #     print i

    # 2.4获取满足多个条件的"a"标签
    # 方法一
    # all_a = soup.find_all("a", class_="ulink", href="/html/gndy/dyzz/20180605/56940.html")
    # 方法二
    # all_a = soup.find_all("a", attrs={"class": "ulink", "href": "/html/gndy/dyzz/20180605/56940.html"})
    # for i in all_a:
    #     print i

    # 2.5获取所有"a"标签的href属性
    # all_a = soup.find_all("a")
    #     # for a in all_a:
    #     #     # 方法一:通过下标的方式
    #     #     # href = a["href"]
    #     #     # print href
    #     #     # 方法二:通过attrs属性的方式
    #     #     href = a.attrs["href"]
    #     #     print href

    # 2.6获取纯文本text信息
    all_a = soup.find_all("td", attrs={"colspan": "2"})[1:]
    for a in all_a:
        # 方法一:a.string
        # print a.string
        # print "="*30
        # 方法二:a.strings
        # infos = a.strings
        # for info in infos:
        #     print info
        #     print "=" * 30
        # 方法二:a.strings
        # infos = list(a.strings)
        # print infos
        # 方法三:a.stripped_strings
        # infos = a.stripped_strings
        # for info in infos:
        #     print info
        #     print "=" * 30
        # 方法四:a.get_text()
        # infos = a.get_text()
        # print infos


def spider():
    # 1.获取第二页详细url
    # url = "http://www.ygdy8.net/html/gndy/dyzz/index.html"
    base_url = "http://www.ygdy8.net/html/gndy/dyzz/list_23_{}.html"
    for i in range(1, 8):
        url = base_url.format(i)
        get_detailed_urls(url)
        break


if __name__ == '__main__':
    spider()
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,我可以为你解答这个问题。Beautiful Soup 是一个 Python 的第三方库,主要用于解析 HTML 和 XML 的文档。使用 Beautiful Soup 可以轻松地获取网页中的各种信息,例如标签、属性、文本等等。 下面是使用 Beautiful Soup 解析网页的基本步骤: 1. 安装 Beautiful Soup 库。可以使用 pip 工具来安装,命令如下: ``` pip install beautifulsoup4 ``` 2. 导入 Beautiful Soup 库。在 Python 代码中,可以使用以下语句导入 Beautiful Soup 库: ```python from bs4 import BeautifulSoup ``` 3. 获取网页内容。可以使用 Python 的 requests 库来获取网页内容,例如: ```python import requests url = 'https://www.example.com' response = requests.get(url) html = response.text ``` 4. 使用 Beautiful Soup 解析网页。可以使用以下语句来创建一个 Beautiful Soup 对象,并解析网页内容: ```python soup = BeautifulSoup(html, 'html.parser') ``` 其中,第一个参数是网页内容,第二个参数是解析器类型,这里使用的是 Python 的内置解析器。 5. 提取网页中的信息。使用 Beautiful Soup 提供的各种方法,可以轻松地提取网页中的各种信息,例如标签、属性、文本等等。例如: ```python # 获取网页中的标题 title = soup.title.string # 获取所有的链接 links = soup.find_all('a') # 获取第一个 div 标签的 class 属性值 div_class = soup.find('div')['class'] ``` 这就是使用 Beautiful Soup 解析网页的基本步骤。当然,在实际应用中,还需要根据具体的需求来选择相应的方法和参数。

“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