使用bs4库读取html文件,Python爬虫入门——利用bs4库对HTML页面信息进行遍历读取(示例代码)...

内容整理自中国大学MOOC——北京理工大学-蒿天-基于bs4库的HTML页面遍历方法

我们使用如下链接作为实验对象

https://python123.io/ws/demo.html

页面信息如下

利用requests库爬取出网页的HTML完整代码

1 importrequests2 r = requests.get("http://python123.io/ws/demo.html")3 demo =r.text4 print(demo)

网页内容如下

此处我们可以用prettify()属性使输出的HTML内容更整齐

print(soup.prettify())

【prettify()属性也可用于按格式输出指定标签下的相关内容】

熟悉HTML页面架构的都知道，HTML页面中有两大类标签，

和，这两类标签在当前HTML信息中都有展现。

然后我们就可以根据HTML的格式架构&