首页 > 代码库 > Python 开发轻量级爬虫07
Python 开发轻量级爬虫07
Python 开发轻量级爬虫
(imooc总结07--网页解析器BeautifulSoup)
BeautifulSoup下载和安装 使用pip install 安装:在命令行cmd之后输入,pip install BeautifulSoup4BeautifulSoup语法 分为三个部分。 首先根据下载好的html网页字符串,我们创建一个BeautifulSoup这个对象,创建这个对象的同时就将整个文档字符串下载成一个DOM树。 然后根据这个dom树,我们就可以进行各种节点的搜索,这里有两个方法find_all/find。find_all方法会搜索出所有满足要求的节点, find方法只会搜索出第一个满足要求的节点。这两个方法的参数是一模一样的。 得到一个节点以后,我们就可以访问节点的名称、属性、文字,相应的,在搜索节点的时候,我们也可以按照节点名称进行搜索,按照节 点的属性进行搜索,或按照节点的文字进行搜素,这里将节点内容分为名称、属性、文字。我们举例说明。下面是网页上一个链接: <a href=http://www.mamicode.com/’123.html’ class=’article_link’> python >
from bs4 import BeautifulSoup import re html_doc = """ <html><head><title>The Dormouse‘s story</title></head> <body> <p class="title"><b>The Dormouse‘s story</b></p> <p class="story">Once upon a time there were three little sisters; and their names were <a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>, <a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ print(‘获取所有的链接‘) links = soup.find_all(‘a‘) for link in links: print(link.name,link[‘href‘],link.get_text()) print(‘获取lacie的链接‘) link_node = soup.find(‘a‘,href=http://www.mamicode.com/‘http://example.com/lacie‘) print(link_node.name,link_node[‘href‘],link_node.get_text()) print(‘正则匹配‘) link_node = soup.find(‘a‘,href=http://www.mamicode.com/re.compile(r"ill")) print (link_node.name,link_node[‘href‘],link_node.get_text()) print(‘获取P段文字‘) p_node = soup.find(‘p‘,class_=‘title‘) print(p_node.name,p_node.get_text())
Python 开发轻量级爬虫07
声明:以上内容来自用户投稿及互联网公开渠道收集整理发布,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任,若内容有误或涉及侵权可进行投诉: 投诉/举报 工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。