先附上数据:
用bs想要爬取title和href里面的内容,由于初学试了好几种办法,未果。先附上代码:
第一次尝试:
#!/usr/bin/python
2 #coding:utf-8
3 from bs4 import BeautifulSoup
4 import re
5
6
7 soup = BeautifulSoup(open('jd.html'),"lxml") #已经爬下的页面(上面代码为其中一段)
8 reg=u"(title=.*?\w+[\u4e00-\u9fa5]+)"
9 Res = re.compile(reg)
10 source = soup.find_all(class_ = 'p-name p-name-type-2',text=Res)
11 for item,nu in enumerate(source):
12 print item,nu
第二次:
#!/usr/bin/python
...
7 soup = BeautifulSoup(open('jd.html'),"lxml")
8 source = soup.find_all(class_ = 'p-name p-name-type-2')
9 Res = source.body.contents[0].attrs
10 Title = Res['title']
11 Link = Res['href']
初学乍道有许多不理解,而且想用python做毕业设计所以还希望有高人能帮忙指点一下, 感激不尽!