20190927关于ROOT 文件抓取的的笔记

from bs4 import BeautifulSoup
由于所需要的抓取的数据是异步数据，且被robot限制，，最终采取手动刷新页面，在F12 手动复制代码保存为TXT 文档
这里，使用BeautifulSoup html 文档解析器， 对纯文本文档做HTML 解析，让后更具HTML 原理，，更具标签抓取想要的数据，，这里如果纯文本文档，如果不做HTML 解析处理，里面的有效数据，要么用正则表达式抓取，，要么就无法抓取，正在表达式不懂，所以就使用BS4 来进行解析达到使用目的。

from bs4 import BeautifulSoup
path = "c:/123.txt"
with open(path, "r", encoding="utf-8") as f:
		respones = f.read()
respones_html = BeautifulSoup(respones, "html5lib")

		这里面，，文件打开需要注意，编码方式为UTF-8，要不然提示GBK 无法打开。
		然后，BeautifulSoup  解析的时候 ，需要指定解析器，这里比较常用的是“html5lib”.
		然后BeautifulSoup模式下数据的抓取
		这里我们用到  respones_html.find_all("tbody")
		因为tobdy里面有多个子元素，我们使用enumerate循环遍历的里面的子元素。
		这里要特别说明下，，enumerate  是个特别强大的函数， 可以使用的模糊集合集合，不需要里面是什么东西，，大概知道里面是一块一块的东西，，就可以使用enumerate将其遍历出来
		对于单个tbody参数
				采用遍历TR参数
				 		再遍历TD 参数
		使用2嵌套循环，遍历出跟元素可储存在数组里面，也可以直接复制储存，我这就直接傻瓜操作。
		
我去，，退不出代码块 模式，，要疯掉，这是昨天的学习类容 ，，基本上就是这些

在这里，我们必要了解现目前解析数据的结构
<tbody>
	<tr>
			<td>...</td>
			<td>...</td>
			<td>...</td>
	</tr>
		<tr>
			<td>...</td>
			<td>...</td>
			<td>...</td>
	</tr>
</tbody>
....
<tbody>
</tbody>
....
<tbody>
....
</tbody>