通过对下面固定的html进行解析,提取img的src属性值和span标签的文本内容
<div class="avat">
<ul id="7d">
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度1</span>
</li>
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度2</span>
</li>
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度3</span>
</li>
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度4</span>
</li>
</ul>
</div>
BeautifulSoup 提供了多种解析器,不同的解析器在使用方式上有所差异。但是语法都是相同的
# 输出所有的li标签下面的img属性src和span标签的文本内容--找到ul对象下面的所有li标签,然后遍历打印
# html字符串创建BeautifulSoup对象
html = ''' <div class="avat">
<ul id="7d">
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度1</span>
</li>
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度2</span>
</li>
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度3</span>
</li>
<li>
<img src="https://www.baidu.com/" alt="">
<span>百度4</span>
</li>
</ul>
</div>'''
soup = BeautifulSoup(html, 'html.parser')
lists = soup.find('ul',{'id':'7d'}).find_all('li')
for list in lists:
print(list.img.get('src'))
print(list.span.text)
在使用lxml和html5lib解析器的时候需要下载pip instatll 你的对象
一、Python 标准库解析器
- 使用方法:
BeautifulSoup(markup, "html.parser")
- 优势:Python 的内置标准库,执行速度适中,文档容错能力强
- 劣势:Python 2.7.3 或 3.2.2 前的版本中文档容错能力差1
二、lxml HTML 解析器
- 使用方法:
BeautifulSoup(markup, "lxml")
- 优势:速度快,文档容错能力强
- 劣势:需要安装 C 语言库
三、lxml XML 解析器
- 使用方法:
BeautifulSoup(markup, features="lxml-xml")
- 优势:速度快,唯一支持 XML 的解析器
- 劣势:需要安装 C 语言库1
四、html5lib 解析器
- 使用方法:
BeautifulSoup(markup, "html5lib")
- 优势:最好的容错性,以浏览器的方式解析文档,生成 HTML5 格式的文档
- 劣势:速度慢,不依赖外部扩展1