bs4在爬虫的应用
一、bs4的作用
bs4(BeautifulSoup)是用来解析网页数据的第三方库,下载的时候用beautifulsoup4
使用的时候需要导入
from bs4 import BeautifuiSoup
二、bs4的用法
使用流程:
-
准备需要解析的网页的数据
-
基于网页源代码创建BeautifulSoup对象
soup对象代表网页对应的html标签(代表整个网页)
-
通过
css选择器
or标签对象
获取标签soup.select(css选择器)--从整个网页中获取css选择器选中的所有标签,返回值是列表,列表中的元素是标签对象 soup.select_one(css选择器)--从整个网页中获取css选择器选中的第一个标签 返回值是标签对象
标签对象.select()--在指定的标签中获取css选择器选中的所有标签 标签对象.select_one()--在指定的标签中获取css选择器选中的第一个标签
-
然后获取标签中的内容或者属性
a)获取镖旗内容 --- 标签对象.text b)获取标签属性 --- 标签对象.attrs['属性名']
示例如下:
from bs4 import BeautifulSoup
from re import requests
html=requests.get(url).text
soup=BeautifulSoup(html,'lxml')
soup.select('')