溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
介紹：
最近在學Python爬蟲，在這里對數據解析模塊bs4做個學習筆記。
用途：
bs4用于解析xml文檔，而html只是xml的一種
bs4 官方文檔地址：
https://www.crummy.com/software/BeautifulSoup/bs4/doc/
學習筆記：
from bs4 import BeautifulSoup
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 class=... ... ... ... ... ... "sister" id="link1">Elsie</a>,
<a class="sister" id="link2">Lacie</a> and
<a class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
soup = BeautifulSoup(html_doc,'html.parser')? ? #創建一個BeautifulSoup對象，添加html文件解析器，在不同平臺可能不同，在Linux上就不需要
print(soup.prettify())? ? #美化輸出
print(soup.get_text())? ??#將html_doc變量中保存的全部內容輸出(Linux系統會以\n隔開)
print('')
print(type(soup.title))
print(dir(soup.title))
print(soup.title)? ? #獲取html標題
????<title>The Dormouse's story</title>
print(soup.title.text)? ? #獲取html標題內容
????"The Dormouse's story"
print(soup.a)? ? ? ?#獲取a標簽(第一個)
????<a class="sister" id="link1">Elsie</a>
print(soup.a.attrs)? ?#獲取第一個a標簽的所有屬性，組成一個字典
????{'href': 'http://example.com/elsie', 'class': ['sister'], 'id': 'link1'}
print(soup.a.attrs['href'])? ? #獲取第一個a標簽的href屬性
????'http://example.com/elsie'
print(soup.a.has_attr('class'))? ? ?#判斷class屬性是否存在
????True
print(soup.p)? ? #獲取p標簽(第一個)
????<p class="title"><b>The Dormouse's story</b></p>
print(soup.p.children)? ? #獲取第一個p標簽下的所有子節點
????<list_iterator object at 0x7fe8185261d0>
print(list(soup.p.children))
????[<b>The Dormouse's story</b>]
print(list(soup.p.children)[0])
????<b>The Dormouse's story</b>
print(list(soup.p.children)[0].text)
????"The Dormouse's story"
print(soup.find_all('a'))? ? #獲取所有的a標簽
????[<a class="sister" id="link1">Elsie</a>, <a class="sister" id=a class="sister" id="link3">Tillie</a>]
for a in soup.find_all('a'):? ?#遍歷所有的a標簽
? ? print(a.attrs['href'])
print(soup.find(id='link3'))? ? #獲取id=link3的標簽
????<a class="sister" id="link3">Tillie</a>
print('#'*150)
#支持CSS選擇器
#查找類名為story的節點
print(soup.select('.story'))
print('')
print(soup.select('.story a'))
print('')
#查找id=link1的節點
print(soup.select('#link1'))
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
