Python爬虫:BeautifulSoup解析静态HTML页面 —— 爬取学校官网新闻标题

该文章演示了如何使用Python的requests库获取网页内容,然后利用lxml的etree模块进行初步解析,再通过BeautifulSoup进行深入分析。具体操作包括设置User-Agent,抓取特定class的HTML元素,以及提取<a>标签内的文本信息。
摘要由CSDN通过智能技术生成
import requests
from lxml import etree
from bs4 import BeautifulSoup

url = "http://www.glutnn.cn/list.aspx?s=1&ClassID=110101&Curpage=1"
headers = {
    'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/111.0.0.0 '
                  'Safari/537.36 Edg/111.0.1661.62'}
                  
response = requests.get(url=url, headers=headers)
response.encoding = 'utf-8'

html = etree.HTML(response.text)

# 保存网页→html文件
open('work.html', 'w', encoding='utf-8').write(response.text)
# 解析页面信息
soup = BeautifulSoup(open('work.html', encoding='utf-8'), features='html.parser')
# 获取所有 class_="td_list" 的 <td></td>
for title in soup.find_all('td', class_="td_list"):
    # <td>标签下第一个<a>标签的文本的值
    print(title.a.text)

参考文章:https://huaweicloud.csdn.net/63808503dacf622b8df8986b.html?spm=1001.2101.3001.6650.16&utm_medium=distribute.pc_relevant.none-task-blog-2defaultBlogCommendFromBaiduactivity-16-127072138-blog-123870433.235^v28^pc_relevant_recovery_v2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultBlogCommendFromBaiduactivity-16-127072138-blog-123870433.235v28pc_relevant_recovery_v2&utm_relevant_index=24

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
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