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！
這篇文章主要講解了“python對網頁文本的格式化的方法是什么”，文中的講解內容簡單清晰，易于學習與理解，下面請大家跟著小編的思路慢慢深入，一起來研究和學習“python對網頁文本的格式化的方法是什么”吧！
1、一個網頁通常包含文本信息。對于不同的文本類型，我們可以選擇合適的HTML語義元素進行標記。
2、em元素用于標記和強調部分內容，small元素用于注釋和署名文本。
<body> <h2>論語學而篇第一</h2> <p><small> <b>作者：</b><abbr title="名丘，字仲尼">孔子<sup><a href="#" rel="external nofollow" >1</a></sup></abbr>（<time>前551年9月28日－前479年4月11日</time>） </small></p> <h3>本篇引語</h3> <p>《學而》是《論語》第一篇的篇名。《論語》中各篇一般都是以第一章的前二三個字作為該篇的篇名。《學而》一篇包括16章，內容涉及諸多方面。其中重點是 <strong>「吾日三省吾身」；「節用而愛人，使民以時」；「禮之用，和為貴」以及仁、孝、信等</strong>道德范疇。</p> <h3>原文</h3> <p>子曰：「<mark>學而時習之，不亦說乎？</mark>有朋自遠方來，不亦樂乎？人不知，而不慍，不亦君子乎？」 </p> </body>
知識點擴展：
Python int與string之間的轉化
string–>int
1、10進制string轉化為int
int(‘12')
2、16進制string轉化為int
int(‘12', 16)
int–>string
1、int轉化為10進制string
str(18)
2、int轉化為16進制string
hex(18)
2 . 由于鏈家網上面選中第二頁的時候，只是在頁面后面多了一個“d2”, 如： http://sh.lianjia.com/ershoufang/pudong/d2 ， 所以要想爬取更多的網頁只需要循環更新requests 的頁面URL
3 . 增加了一個循環之后，可以打印所有的爬取結果
from lxml import etree
import requests
import string
url = 'http://sh.lianjia.com/ershoufang/'
region = 'pudong'
price = 'p23'
finalURL = url+region+price
def spider_room(finallyURL):
r= requests.get(finallyURL)
html = requests.get(finalURL).content.decode('utf-8')
dom_tree = etree.HTML(html)
# all the messages
all_message = dom_tree.xpath("//ul[@class='js_fang_list']/li")
for index in range(len(all_message)):
print(all_message[index].xpath('string(.)').strip())
return
for i in range(20):
finallyURL = finalURL + '/d'+str(i)
spider_room(finallyURL)4 . 爬取了20頁的內容，可是內容的結果輸出的形式并沒有改變
感謝各位的閱讀，以上就是“python對網頁文本的格式化的方法是什么”的內容了，經過本文的學習后，相信大家對python對網頁文本的格式化的方法是什么這一問題有了更深刻的體會，具體使用情況還需要大家實踐驗證。這里是億速云，小編將為大家推送更多相關知識點的文章，歡迎關注！
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。
