目录
bs4进行数据解析
一、数据解析的原理:
一1.标签定位
—2.提取标签、标签属性中存储的数据值
二、bs4数据解析的原理:
-1.实例化一个BeautifulSoup对象,并且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
-环境安装:
pip install bs4
pip install lxml
三、如何实例化BeautifulSoup对象:
案例图片:
from bs4 import BeautifulSoup
一对象的实例化:
- 1.将本地的html文档中的数据加载到该对象中
fp = open( './test.html','r',encoding='utf-8')
soup =BeautifulSoup(fp, 'lxml')
-2.将互联网上获取的页面源码加载到该对象中(常用)
page_text =response.text
soup =BeatifulSoup( pag_text, ' lxml')
四、提供的用于数据解析的方法和属性:
-soup.tagName:返回的是文档中第一次出现的tagName对应的标签
-soup.find():
-find( 'tagName'):等同于soup.div
一属性定位:
soup.find('div',class_/id/attr='song')
soup.find_all('tagName'):返回符合要求的所有标签(列表)
- select:
- select('某种选择器(id,class,标签...选择器)‘),返回的是一个列表。|
——>表示一个层级
print(soup.select('.tang > ul > li > a')[0]
——空格表示两个层级
print( sloup.select('.tang > ul a')[0])
——获取标签之间的文本数据:
-soup.a.text/string/get_text()
- text/get_text():可以获取某一个标签中所有的文本内容
- string:只商以获取该标签下面直系的文本内容
print( sloup.select('.tang > ul a')[0].text)
print( sloup.select('.tang > ul a')[0].string)
一获取标签中属性值:
一soup.a[ 'href ']