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)

  • 一般纳税人优惠政策最新2022标准
  • 一般纳税人开劳务发票几个点
  • 挂车和牵引车如何选
  • 物流企业怎么做大做强?
  • 有限责任公司的股东人数为多少
  • 企业境外投资管理办法
  • 往来账款怎么做
  • 税务现金流量表怎么填
  • 不超45万是含税还是不含税
  • 什么是长期股权结构
  • 叉车折旧年限是多少年
  • 资本溢价能不能退还股东呢
  • 公司聘请专家的差旅费可以税前扣除吗
  • 增值税税收返还政策
  • 不同的银行存款会收手续费吗
  • 自然人能申请破产吗?
  • 在途物资材料采购的区别
  • 租别人厂房土地税房产税怎么交
  • 第一季度盈利第二季度亏损全年盈利
  • 境外演艺经纪公司代扣代缴哪些税款?
  • 代开发票有哪些问题需要知道的?
  • 客户付货款给我们公司备注往来结算款
  • 房屋维修开的发票有哪些
  • 小型微利企业普惠性企业所得税减免政策解读
  • 项目盈利后收到短信
  • 农产品抵扣进项税额转出
  • php面向对象实例
  • 增值税进项税抵扣销项税
  • 其他应收款贷方表示什么
  • 个人非货币性资产投资个人所得税
  • icons是什么文件夹
  • 应交增值税减免税款包括什么
  • 如何计算企业年度人均产值
  • 开办费对应的现金流量项目
  • 农产品来料加工设备
  • vue的路由实现
  • nmap的命令
  • 工业企业采购部工资计入什么科目
  • python中生成器的作用
  • 精灵图的使用
  • 技术服务的范围
  • phpcms怎么样
  • 小企业如何计提折旧
  • 土地无形资产摊销年限多少年
  • 为什么实收资本是贷方
  • PostgreSQL教程(六):函数和操作符详解(2)
  • 钢管扣件租赁公司账务处理
  • 公司开业装修费会计分录
  • 预付卡销售成品油会计分录
  • 银行贴息一般多久能到账
  • 施工企业机械租赁费用
  • 利润与所有者权益的区别
  • 退回的保证金多了一点怎么做分录
  • 普通发票如何作废操作流程
  • 企业会计的应用指南
  • sql多表关联修改操作
  • sql to sqlalchemy 转换的小例子
  • 直接内存访问控制器是什么
  • centos6.7安装图形界面教程
  • linux route -n命令结果详解
  • linux小技巧
  • neo是什么意思中文翻译
  • wind10手机版
  • win7彻底删除的文件怎么恢复
  • win10系统打不开此电脑和文件夹
  • win7经常断网是什么原因
  • 向Windows8靠拢 全新的个性化库页面
  • linux bzz
  • div与span区别及用法
  • 显示网络配置的命令
  • pypy 使用
  • JavaScript 事件绑定及深入
  • ubuntu下安装win10
  • unity坐标系转换
  • jquery解析XML及获取XML节点名称的实现代码
  • 国家税务总局青海省税务局
  • 青岛市高新区是红岛吗
  • 属于资源税类的税种有哪些
  • 即征即退进项税额分摊方法
  • 税务总局四个确保
  • 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