位置: 编程技术 - 正文

Python利用Beautiful Soup模块创建对象详解(python利用数据文件统计成绩)

编辑:rootadmin

推荐整理分享Python利用Beautiful Soup模块创建对象详解(python利用数据文件统计成绩),希望有所帮助,仅作参考,欢迎阅读内容。

文章相关热门搜索词:python利用beautifulsoup输出第五个的内容,python利用for循环求1到100的奇数之和,python利用while循环求1+2+3......+n的和,python利用while循环求1+2+3......+n的和,python利用csv模块在对csv文件进行操作,python利用csv模块在对csv文件进行操作,python利用for循环求1到100的和,python利用while循环求1+2+3......+n的和,内容如对您有帮助,希望把文章链接给更多的朋友!

安装

通过 pip 安装 Beautiful Soup 模块:pip install beautifulsoup4 。

还可以使用 PyCharm IDE 来写代码,在 PyCharm 中的 Preferences 中找到 Project ,在里面搜索 Beautiful Soup 模块,进行安装即可。

创建 BeautifulSoup 对象

Beautiful Soup 模块广泛使用从网页中得到数据。我们能够使用 Beautiful Soup 模块从 HTML/XML 文档中提取任何数据,例如,网页中的所有链接或者标签内的内容。

为了实现这一点,Beautiful Soup 提供了不同的对象和方法。任何的 HTML/XML 文档能够转化成不同的 Beautiful Soup 对象,这些对象有着不同的属性和方法,我们能够从中提取到需要的数据。

Beautiful Soup 总共有如下三种对象:

BeautifulSoup Tag NavigableString

创建 BeautifulSoup 对象

创建一个 BeautifulSoup 对象是任何 Beautiful Soup 工程的起点。

BeautifulSoup 可以通过传一个字符串或者类文件对象(file-like object),例如机器上的文件或者网页。

通过字符串创建 BeautifulSoup 对象

在 BeautifulSoup 的构造器中通过传递一个字符串来创建对象。

通过类文件对象创建 BeautifulSoup 对象

在 BeautifulSoup 的构造器中通过传递一个类文件对象(file-like object)来创建对象。这在解析在线网页时非常有用。

除了传递类文件对象之外,我们还可以传递本地文件对象到 BeautifulSoup 的构造器来生成对象。

为 XML 解析创建 BeautifulSoup 对象

Beautiful Soup 模块同样能够用来解析 XML 。

当创建一个 BeautifulSoup 对象时, Beautiful Soup 模块将会选择合适的 TreeBuilder 类来创建 HTML/XML 树。默认情况下,选择 HTML TreeBuilder 对象,它将使用默认的 HTML 解析器,产生一个 HTML 结构树。在上面的代码中,由字符串生成 BeautifulSoup 对象,就是将它解析成了 HTML 树结构。

如果我们想要 Beautiful Soup 模块将输入的内容解析为 XML 类型,那么就需要在 Beautiful Soup 构造器中精确指定使用的 features 参数。通过特定的 features 参数,Beautiful Soup 将会选择最适合的 TreeBuilder 类来满足我们想要的特征。

理解 features 参数

每一个 TreeBuilder 根据它使用的解析器将会有不同的特征。因此,输入的内容根据传递到构造器的 features 参数也会有不同的结果。 在 Beautiful Soup 模块中,TreeBuilder 当前使用的解析器如下:

lxml html5lib html.parser

BeautifulSoup 构造器的 features 参数能够接受一个字符串列表或一个字符串值。

当前,每一个 TreeBuilder 支持的 features 参数和解析器如下表所示:

Features TreeBuilder Parser [‘lxml','html','fast','permissive'] LXMLTreeBuilder lxml [‘html','html5lib','permissive','strict','html5′] HTML5TreeBuilder html5lib [‘html','strict','html.parser'] HTMLParserTreeBuilder html.parser [‘xml','lxml','permissive','fast'] LXMLTreeBuilderForXML lxml

Python利用Beautiful Soup模块创建对象详解(python利用数据文件统计成绩)

根据指定的 feature 参数,Beautiful Soup 将会选择最合适的 TreeBuilder 类。如果在指定对应的解析器时,出现如下的报错信息,可能就是需要安装对应的解析器了。

就 HTML 文档而言,选择 TreeBuilder 的顺序是基于解析器建立的优先级,就如上表格所示的优先级。首先是 lxml ,其次是 html5lib ,最后才是 html.parser 。例如,我们选择 html 字符串作为 feature 参数,那么如果 lxml 解析器可用,则 Beautiful Soup 模块将会选择 LXMLTreeBuilder 。如果 lxml 不可用,则会选择 根据 html5lib 解析器选择 HTML5TreeBuilder 。如果在不可用,则会选择根据 html.parser 选择 HTMLParserTreeBuilder 了。

至于 XML ,由于 lxml 是唯一的解析器,所以 LXMLTreeBuilderForXML 总是会被选择的。

所以,为 XML 创建一个 Beautiful Soup 对象的代码如下:

输入的结果也是 XML 形式的文件 :

在创建 Beautiful Soup 对象时,更好的实践是指定解析器。这是因为,不同的解析器解析的结果内容大不相同,尤其是在我们的 HTML 文档内容非法时,结果更为明显。

当我们创建一个 BeautifulSoup 对象时,Tag 和 NavigableString 对象也就创建了。

创建 Tag 对象

我们可以从 BeautifulSoup 对象中得到 Tag 对象,也就是 HTML/XML 中的标签。

如下 HTML 代码所示:

从结果中可以看到 atag 的类型是 <class 'bs4.element.Tag'> 。而 soup.a 的结果就是 HTML 文档中的第一个 <a> 标签。 HTML/XML 标签对象具有名称和属性。名称就是标签的名字,例如 标签 <a> 的名称就是 a 。属性则是标签的 class 、id 、style 等。Tag 对象允许我们得到 HTML 标签的名称和属性 。

Tag 对象的名称

通过 .name 方式得到 Tag 对象的名称 。

同时也能够改变 Tag 对象的名称:

这样就将上面 HTML 文档中的第一个 <a> 标签名称换成了 <p> 标签了。

Tag 对象的属性

在 HTML 页面中,标签可能有不同的属性,例如 class 、id 、style 等。Tag 对象能够以字典的形式访问标签的属性。

也能通过 .attrs 的方式访问到,这样会将所有的属性内容都打印出来 :

创建 NavigableString 对象

NavigableString 对象持有 HTML 或 XML 标签的文本内容。这是一个 Unicode 编码的字符串。

我们可以通过 .string 的方式得到标签的本文内容 。

小结

代码小结如下:

BeautifulSoup

soup = BeautifulSoup(String) soup = BeautifulSoup(String,features=”xml”)

Tag

tag = soup.tag tag.name tag[‘attribute']

NavigableString

soup.tag.string

总结

标签: python利用数据文件统计成绩

本文链接地址:https://www.jiuchutong.com/biancheng/377150.html 转载请保留说明!

上一篇:Python利用Beautiful Soup模块修改内容方法示例(python利用format方法保留三位小数)

下一篇:Python中is与==判断的区别(python中的is和==的区别)

  • 企业注册资金需要拿钱出来吗
  • 个人所得税如何查询工资
  • 税务检查是什么行政行为
  • 所得税是什么意思
  • 合同负债属于负债吗
  • 增值税专票销售额含税吗
  • 房产报废手续
  • 增值税本期应补退税额为负数怎么处理
  • 处置子公司全部股权会计处理 企业会计准则
  • 收回多借差旅费
  • 受托代销商品手续费会计分录
  • 应交增值税明细科目核算内容
  • 挂靠建筑公司企业所得税怎么交?
  • 合作社 注销
  • 生产经营期间固定资产报废清理的净损失
  • 代扣代缴增值税纳税义务发生时间
  • 车辆保险可以开票吗
  • 增值税月报时间
  • 加计扣除农产品包括哪些
  • 本单位员工投稿怎么写
  • 企业做账会计需要什么资质
  • 处理固定资产账务处理税率
  • 固定资产清理需要结转吗
  • 年薪制12个月的计算公式
  • 公益性捐赠支出账务处理
  • 没有收入业务招待费要全额调增吗
  • 实发工资和报税工资
  • 专家评审费报销仅附签字笔迹相似
  • 笔记本开机黑屏不显示任何东西
  • laravel快速入门
  • php连接mysql查询数据
  • PHP函数func_num_args用法实例分析
  • 定期支票丢了能取钱吗
  • uniapp安装插件
  • 直布罗陀巨岩山
  • 长期借款科目核算方法
  • vue引入mui
  • 即征即退进项税额分摊方法
  • vueity
  • react脚手架搭建项目
  • php教程从入门到精通
  • 资产减值损失一经计提不得转回
  • 织梦自定义字段
  • python搞自动化
  • 建筑设备的概念,作用及其研究内容
  • 小规模纳税人纳多少税
  • 外贸出口备案需准备什么资料
  • 私车公用费用报销是否违规
  • 凭证必须用凭证盒
  • 增值税一般纳税人资格登记表
  • 预付账款收到发票
  • 贷款保险费能否抵扣个税
  • 库存现金多出来怎么调账
  • 三证合一是哪三证
  • 开出口未开出口怎么办
  • 建账时都要建哪些科目
  • 准备金支出是否含税
  • 5000以下的固定资产一次性计入费用
  • sql语句错误提示
  • mysql join 慢
  • centos6安装步骤
  • macbookair网页全屏
  • mac怎么移动鼠标
  • xp系统在新建账户怎么弄
  • xp远程连接win7
  • linux里面怎么截屏
  • li的简单应用
  • node.js deno
  • 支持向量机
  • python爬取csdn
  • 2012年腾讯股价多少
  • Android Build.prop
  • node.js的exports、module.exports与ES6的export、export default深入详解
  • qrcode怎么生成
  • jQuery插件安装教程
  • javascript对象定义
  • 代售门票业务税务处理
  • 无锡市国家税务局
  • 国家发票真伪查验
  • 房屋契税交错了能退吗
  • 免责声明:网站部分图片文字素材来源于网络,如有侵权,请及时告知,我们会第一时间删除,谢谢! 邮箱:opceo@qq.com

    鄂ICP备2023003026号

    网站地图: 企业信息 工商信息 财税知识 网络常识 编程技术

    友情链接: 武汉网站建设