Python BeautifulSoup 使用

来源:https://www.cnblogs.com/xuyiqing/archive/2019/01/20/10295367.html
-Advertisement-
Play Games

BS4庫簡單使用: 1.最好配合LXML庫,下載:pip install lxml 2.最好配合Requests庫,下載:pip install requests 3.下載bs4:pip install bs4 4.直接輸入pip沒用?解決:環境變數->系統變數->Path->新建:C:\Pytho ...


BS4庫簡單使用: 1.最好配合LXML庫,下載:pip install lxml 2.最好配合Requests庫,下載:pip install requests 3.下載bs4:pip install bs4 4.直接輸入pip沒用?解決:環境變數->系統變數->Path->新建:C:\Python27\Scripts   案例:獲取網站標題 # -*- coding:utf-8 -*- from bs4 import BeautifulSoup import requests   url = "https://www.baidu.com"   response = requests.get(url)   soup = BeautifulSoup(response.content, 'lxml')   print soup.title.text   標簽識別 示例1: # -*- coding:utf-8 -*- from bs4 import BeautifulSoup   html = ''' <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> </body> </html> ''' soup = BeautifulSoup(html, 'lxml')   # BeautifulSoup中有內置的方法來實現格式化輸出 print(soup.prettify())   # title標簽內容 print(soup.title.string)   # title標簽的父節點名 print(soup.title.parent.name)   # 標簽名為p的內容 print(soup.p)   # 標簽名為p的class內容 print(soup.p["class"])   # 標簽名為a的內容 print(soup.a)   # 查找所有的字元a print(soup.find_all('a'))   # 查找id='link3'的內容 print(soup.find(id='link3'))   示例2: # -*- coding:utf-8 -*- from bs4 import BeautifulSoup   html = ''' <html> <head><title>The Dormouse's story</title></head> <body> <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> </body> </html> '''   soup = BeautifulSoup(html, 'lxml')   # 將p標簽下的所有子標簽存入到了一個列表中 print (soup.p.contents)   find_all示例: # -*- coding:utf-8 -*- from bs4 import BeautifulSoup   html = ''' <div class="panel">     <div class="panel-heading">         <h4>Hello</h4>     </div>     <div class="panel-body">         <ul class="list" id="list-1">             <li class="element">Foo</li>             <li class="element">Bar</li>             <li class="element">Jay</li>         </ul>         <ul class="list list-small" id="list-2">             <li class="element">Foo</li>             <li class="element">Bar</li>         </ul>     </div> </div> '''   soup = BeautifulSoup(html, 'lxml')   # 查找所有的ul標簽內容 print(soup.find_all('ul'))   # 針對結果再次find_all,從而獲取所有的li標簽信息 for ul in soup.find_all('ul'):     print(ul.find_all('li'))   # 查找id為list-1的內容 print(soup.find_all(attrs={'id': 'list-1'}))   # 查找class為element的內容 print(soup.find_all(attrs={'class': 'element'}))   # 查找所有的text='Foo'的文本 print(soup.find_all(text='Foo'))   CSS選擇器示例: # -*- coding:utf-8 -*- from bs4 import BeautifulSoup   html = ''' <div class="panel">     <div class="panel-heading">         <h4>Hello</h4>     </div>     <div class="panel-body">         <ul class="list" id="list-1">             <li class="element">Foo</li>             <li class="element">Bar</li>             <li class="element">Jay</li>         </ul>         <ul class="list list-small" id="list-2">             <li class="element">Foo</li>             <li class="element">Bar</li>         </ul>     </div> </div> '''   soup = BeautifulSoup(html, 'lxml')   # 獲取class名為panel下panel-heading的內容 print(soup.select('.panel .panel-heading'))   # 獲取class名為ul和li的內容 print(soup.select('ul li'))   # 獲取class名為element,id為list-2的內容 print(soup.select('#list-2 .element'))   # 使用get_text()獲取文本內容 for li in soup.select('li'):     print(li.get_text())   # 獲取屬性的時候可以通過[屬性名]或者attrs[屬性名] for ul in soup.select('ul'):     print(ul['id'])     # print(ul.attrs['id'])  
您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 模板方法模式是編程中經常用到的模式,它定義了一個操作的演算法骨架,將某些步驟延遲到子類實現。 這樣,新的子類可以在不改變一個演算法結構的前提下重新定義該演算法的某些特定步驟。 核心:處理某個流程的代碼都已具備,但其中某個節點的代碼暫時不能確定,所以將這個節點的代碼 實現轉移到子類完成。 例子:模擬一個銀行 ...
  • Java 虛擬機在執行Java程式的過程中會把它所管理的記憶體劃分為若幹個不同的數據區域,這些區域都有各自的用途 ...
  • 原文:https://www.kennethreitz.org/essays/kenneth-reitzs-code-style 作者:Kenneth Reitz 原題:Kenneth Reitz’s Code Style™ Requests 的代碼庫使用 PEP-8 編碼風格。 除了 PEP-8 ...
  • # 使用selenium和phantomJS瀏覽器登陸豆瓣的小演示 # 導入庫 from selenium import webdriver # 實例化一個瀏覽器對象 web = webdriver.PhantomJS() # 請求頁面 web.get("https://www.douban.com... ...
  • 局部變數表:應用程式中定義的普通變數就存放在棧中,棧中變數的大小程式運行開始的時候已經固定。 棧:方法執行時創建棧針,然後進入到棧中,根據先進後出的順序進行執行。 堆:對重存放程式中創建的對象。 新生代:新生代分為三個區域。Eden,ServivorFrom,ServivorTo。新創建的對象先存放 ...
  • 前言 最近在工作中需要使用支付寶app支付,在初次使用過程中也不可避免的出現了一些問題,那麼本次隨筆主要是概述支付寶app支付服務端的整個實現過程以及就服務端出現的一些問題做一些總結。 1.準備工作 1.1 入駐螞蟻金服開放平臺 https://open.alipay.com/platform/ho ...
  • 前言 Rabbitmq是一個開源的消息代理軟體,是AMQP協議的實現。核心作用就是創建消息隊列,非同步發送和接收消息。通常用來在高併發中處理削峰填谷、延遲處理、解耦系統之間的強耦合、處理秒殺訂單。 入門rabbitmq之前主要是想瞭解下秒殺排隊訂單入庫後,非同步通知客戶端秒殺結果。 基礎知識 1、基本概 ...
  • 寫在前面的聲明: 作為一個正在自學爬蟲的小白,用爬蟲爬了八千本書的雲盤鏈接,然後就想把這寫鏈接的資源都轉存到自己的雲盤裡,以防某一天資源失效。本來想在網上找個能夠批量保存的軟體,哪知道找到幾個都不能用,用手動保存肯定是不現實的。隨後想到才學的selenium能夠模擬瀏覽器的操作,就像自己寫段自動保存 ...
一周排行
    -Advertisement-
    Play Games
  • 移動開發(一):使用.NET MAUI開發第一個安卓APP 對於工作多年的C#程式員來說,近來想嘗試開發一款安卓APP,考慮了很久最終選擇使用.NET MAUI這個微軟官方的框架來嘗試體驗開發安卓APP,畢竟是使用Visual Studio開發工具,使用起來也比較的順手,結合微軟官方的教程進行了安卓 ...
  • 前言 QuestPDF 是一個開源 .NET 庫,用於生成 PDF 文檔。使用了C# Fluent API方式可簡化開發、減少錯誤並提高工作效率。利用它可以輕鬆生成 PDF 報告、發票、導出文件等。 項目介紹 QuestPDF 是一個革命性的開源 .NET 庫,它徹底改變了我們生成 PDF 文檔的方 ...
  • 項目地址 項目後端地址: https://github.com/ZyPLJ/ZYTteeHole 項目前端頁面地址: ZyPLJ/TreeHoleVue (github.com) https://github.com/ZyPLJ/TreeHoleVue 目前項目測試訪問地址: http://tree ...
  • 話不多說,直接開乾 一.下載 1.官方鏈接下載: https://www.microsoft.com/zh-cn/sql-server/sql-server-downloads 2.在下載目錄中找到下麵這個小的安裝包 SQL2022-SSEI-Dev.exe,運行開始下載SQL server; 二. ...
  • 前言 隨著物聯網(IoT)技術的迅猛發展,MQTT(消息隊列遙測傳輸)協議憑藉其輕量級和高效性,已成為眾多物聯網應用的首選通信標準。 MQTTnet 作為一個高性能的 .NET 開源庫,為 .NET 平臺上的 MQTT 客戶端與伺服器開發提供了強大的支持。 本文將全面介紹 MQTTnet 的核心功能 ...
  • Serilog支持多種接收器用於日誌存儲,增強器用於添加屬性,LogContext管理動態屬性,支持多種輸出格式包括純文本、JSON及ExpressionTemplate。還提供了自定義格式化選項,適用於不同需求。 ...
  • 目錄簡介獲取 HTML 文檔解析 HTML 文檔測試參考文章 簡介 動態內容網站使用 JavaScript 腳本動態檢索和渲染數據,爬取信息時需要模擬瀏覽器行為,否則獲取到的源碼基本是空的。 本文使用的爬取步驟如下: 使用 Selenium 獲取渲染後的 HTML 文檔 使用 HtmlAgility ...
  • 1.前言 什麼是熱更新 游戲或者軟體更新時,無需重新下載客戶端進行安裝,而是在應用程式啟動的情況下,在內部進行資源或者代碼更新 Unity目前常用熱更新解決方案 HybridCLR,Xlua,ILRuntime等 Unity目前常用資源管理解決方案 AssetBundles,Addressable, ...
  • 本文章主要是在C# ASP.NET Core Web API框架實現向手機發送驗證碼簡訊功能。這裡我選擇是一個互億無線簡訊驗證碼平臺,其實像阿裡雲,騰訊雲上面也可以。 首先我們先去 互億無線 https://www.ihuyi.com/api/sms.html 去註冊一個賬號 註冊完成賬號後,它會送 ...
  • 通過以下方式可以高效,並保證數據同步的可靠性 1.API設計 使用RESTful設計,確保API端點明確,並使用適當的HTTP方法(如POST用於創建,PUT用於更新)。 設計清晰的請求和響應模型,以確保客戶端能夠理解預期格式。 2.數據驗證 在伺服器端進行嚴格的數據驗證,確保接收到的數據符合預期格 ...