认识爬虫:beautifulsoup4 库如何使用三种方式提取 html 网页元素?

最后

Python崛起并且风靡,因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低,但它的晋级路线很多,通过它你能进入机器学习、数据挖掘、大数据,CS等更加高级的领域。Python可以做网络应用,可以做科学计算,数据分析,可以做网络爬虫,可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多,你需要学好基础,再选择明确的方向。这里给大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样,是不能只看书不做题的,直接看步骤和答案会让人误以为自己全都掌握了,但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码,教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

需要这份系统化学习资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

5print beau_soup.title

6# The Dormouse’s story

7

8# 获取第一个 p 元素

9print beau_soup.p

10#

The Dormouse’s story

11

12# 获取第一个 p 元素的 class 属性

13print beau_soup.p[‘class’]

14# [u’title’]

15

16# 获取第一个 p 元素下面的 b 元素

17print beau_soup.p.b

18# The Dormouse’s story

19

20# 获取 p 元素的父节点的源代码

21print beau_soup.p.parent

22’‘’

23

24

The Dormouse’s story

25

Once upon a time there were three little sisters; and their names were

26Elsie,

27Lacie and

28Tillie;

29and they lived at the bottom of a well.

30

31

32’‘’

33# 获取 p 元素的父节点的名称

34print beau_soup.p.parent.name

35# body

4、通过元素搜索的方式获取元素、属性等

1’‘’

2除了通过结构化的方式获取元素,在其他情况使用结构化不容易获取元素时,

3可以使用类似于的搜索的功能对源代码的标签、属性等进行筛选。

4find() 函数、find_all() 函数可以利用多个条件的模式对源代码标签等

5进行搜索。

6’‘’

7’‘’

8find_all(self, name=None, attrs={}, recursive=True, text=None,

9 limit=None, **kwargs)

10结果返回一个 list 集合

11’‘’

12

13# 搜索所有 p 元素、然后返回一个 p 元素的 list

14print beau_soup.find_all(‘p’)

15# 搜索所有 a 元素、然后返回一个 a 元素的 list

16links = beau_soup.find_all(‘a’)

17for link in links:

18 print ‘未爬取的链接:’,link[‘href’]

19

20# 多条件查找,获取 p 元素、并且 class 属性 == title 的元素

21print beau_soup.find_all(‘p’,class_=‘title’)

22’‘’

23 find(self, name=None, attrs={}, recursive=True, text=None,

24 **kwargs)

25结果只返回一个,如果有多个则返回第一个,相比 find_all() 函数少了 limit 参数

26’‘’

27

28# 通过 id 搜索

29print beau_soup.find(id=‘link3’)

30

31# 多条件查找,获取 p 元素、并且 class 属性 == title 的元素

32print beau_soup.find(‘p’,class_=‘title’)

33

34import re

35

36# 多条件查找,获取 a 元素的 href 属性中包含 lacie 字符串的元素对象

37print beau_soup.find(‘a’,href=re.compile(r"lacie"))

5、通过样式选择器的方式获取元素、属性等

1’‘’

2除了上述使用结构化获取、元素/属性查找的方式,还提供了 select()

学好 Python 不论是就业还是做副业赚钱都不错,但要学会 Python 还是要有一个学习规划。最后大家分享一份全套的 Python 学习资料,给那些想学习 Python 的小伙伴们一点帮助!

一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了,给大家节省了很多时间。

三、全套PDF电子书

书籍的好处就在于权威和体系健全,刚开始学习的时候你可以只看视频或者听某个人讲课,但等你学完之后,你觉得你掌握了,这时候建议还是得去看一下书籍,看权威技术书籍也是每个程序员必经之路。

四、入门学习视频

我们在看视频学习的时候,不能光动眼动脑不动手,比较科学的学习方法是在理解之后运用它们,这时候练手项目就很适合了。

五、实战案例

光学理论是没用的,要学会跟着一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

六、面试资料

我们学习Python必然是为了找到高薪的工作,下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料,并且有阿里大佬给出了权威的解答,刷完这一套面试资料相信大家都能找到满意的工作。

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

  • 12
    点赞
  • 26
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: BeautifulSoup4 可以使用以下三种方式提取 HTML 网页元素: 1. 标签选择器:使用标签名称来选择元素。例如,使用 `soup.select('p')` 可以选择所有的 `<p>` 标签。 2. 类选择器:使用类名来选择元素。例如,使用 `soup.select('.class_name')` 可以选择所有具有 `class="class_name"` 属性的元素。 3. ID 选择器:使用 ID 名称来选择元素。例如,使用 `soup.select('#id_name')` 可以选择具有 `id="id_name"` 属性的元素。 ### 回答2: BeautifulSoup4是一款PythonHTML和XML解析器,可以帮助我们从HTML提取信息。下面将介绍三种不同方式HTML提取元素。 1. 基于标签提取 基本上Web上的所有数据是通过HTML标签来组织的,而BeautifulSoup4正是根据这些标签提取数据的。 首先,我们需要安装BeautifulSoup和解析器。安装的方法为: ``` pip install beautifulsoup4 pip install lxml # 这是一个解析器 ``` 接着,导入模块并使用如下代码读取HTML文件: ``` from bs4 import BeautifulSoup with open('example.html', 'r') as f: html = f.read() soup = BeautifulSoup(html, 'lxml') ``` 其中,example.html为我们需要提取数据的HTML网页。然后,我们可以通过以下代码找到网页中的第一个标题(h1标签): ``` print(soup.h1) ``` 如果需要在网页查找所有的标签,可以使用find_all方法: ``` soup.find_all('a') ``` 其中第一个参数为标签名,如'a',表示查找所有的超链接。 2. 基于属性提取 有时候,我们需要找到带有特定属性的标签,例如class属性为red的div标签。可以使用find_all方法,将属性和属性值作为参数传入: ``` soup.find_all('div', {'class': 'red'}) ``` 3. 基于CSS选择器提取 我们还可以使用CSS选择器在BeautifulSoup查找元素。例如,我们可以使用以下代码查找所有带有class为red的div标签: ``` soup.select('div.red') ``` 其中,'div.red'表示查找div标签中class属性为red的所有元素。 总之,无论使用哪一种方式BeautifulSoup都是一个十分好用的,可以让我们轻松地从HTML提取所需的信息。 ### 回答3: BeautifulSoup4是一个Python,它可以帮助我们从HTML和XML文档中提取特定的信息,以便进行数据挖掘和分析。 在使用BeautifulSoup4提取HTML网页元素时,有三种方式: 1.基于标签的解析方法 这是最常见的一种方法。它基于HTML标签来解析文档,并返回标签对象或标签列表。在这种方法中,我们使用“soup.tagName”或“soup.findAll(‘tagName’)”语句来获取所有指定标签的对象或标签列表。 例如,下面的代码将从HTML文档中提取所有段落标签,并将它们输出到控制台: from bs4 import BeautifulSoup import requests url = 'http://www.example.com' response = requests.get(url) soup = BeautifulSoup(response.content, 'html.parser') paragraphs = soup.findAll('p') for paragraph in paragraphs: print(paragraph) 2.基于属性的解析方法 这种方法是基于HTML标签的属性来解析文档,并返回标签对象或标签列表。在这种方法中,我们使用“soup.find(‘tagName’, {‘attributeName’: ‘value’})”或“soup.findAll(‘tagName’, {‘attributeName’: ‘value’})”语句来获取所有指定标签的对象或标签列表。 例如,下面的代码将从HTML文档中提取所有带有“class”属性的标签,并将它们输出到控制台: from bs4 import BeautifulSoup import requests url = 'http://www.example.com' response = requests.get(url) soup = BeautifulSoup(response.content, 'html.parser') tags = soup.findAll(class_='example') for tag in tags: print(tag) 3.基于CSS选择器的解析方法 这种方法与基于属性的方法类似,但它更灵活,并支持更复杂的选择器。在这种方法中,我们使用“soup.select(‘tagName CSSSelector’)”语句来获取所有符合选择器条件的标签对象或标签列表。 例如,下面的代码将从HTML文档中提取所有段落标签和内容为“example”的标签,并将它们输出到控制台: from bs4 import BeautifulSoup import requests url = 'http://www.example.com' response = requests.get(url) soup = BeautifulSoup(response.content, 'html.parser') tags = soup.select('p, [content="example"]') for tag in tags: print(tag) 无论使用哪种解析方法,我们都可以轻松地从HTML文档中提取所需的元素。在一个完整的项目中,这可以帮助我们自动化网站抓取、数据分析和报告生成等任务。
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