位置: 编程技术 - 正文

Python使用BeautifulSoup库解析HTML基本使用教程(s='python is beautiful!')

编辑:rootadmin

推荐整理分享Python使用BeautifulSoup库解析HTML基本使用教程(s='python is beautiful!'),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:pycharm中beautifulsoup,python beautifulsoup用法,python中beautifulsoup,pycharm中beautifulsoup,s='python is beautiful!',python中beautifulsoup,pycharm中beautifulsoup,pycharm中beautifulsoup,内容如对您有帮助,希望把文章链接给更多的朋友!

BeautifulSoup是Python的一个第三方库,可用于帮助解析html/XML等内容,以抓取特定的网页信息。目前最新的是v4版本,这里主要总结一下我使用的v3版本解析html的一些常用方法。

准备

1.Beautiful Soup安装

为了能够对页面中的内容进行解析,本文使用Beautiful Soup。当然,本文的例子需求较简单,完全可以使用分析字符串的方式。

执行

即可安装。

2.requests模块的安装

requests模块用于加载要请求的web页面。

在python的命令行中输入import requests,报错说明requests模块没有安装。

我这里打算采用easy_install的在线安装方式安装,发现系统中并不存在easy_install命令,输入sudo apt-get install python-setuptools来安装easy_install工具。

执行sudo easy_install requests安装requests模块。

基础

1.初始化 导入模块

Python使用BeautifulSoup库解析HTML基本使用教程(s='python is beautiful!')

创建对象:str初始化,常用urllib2或browser返回的html初始化BeautifulSoup对象。

指定编码:当html为其他类型编码(非utf-8和asc ii),比如GB的话,则需要指定相应的字符编码,BeautifulSoup才能正确解析。

2.获取tag内容 寻找感兴趣的tag块内容,返回对应tag块的剖析树

返回内容:hello 说明一下,contents属性是一个列表,里面保存了该剖析树的直接儿子。

3.获取关系节点 使用parent获取父节点

使用nextSibling, previousSibling获取前后兄弟

contents[]的灵活运用也可以寻找关系节点,寻找祖先或者子孙可以采用findParent(s), findNextSibling(s), findPreviousSibling(s)

4.find/findAll用法详解 函数原型:find(name=None, attrs={}, recursive=True, text=None, **kwargs),findAll会返回所有符合要求的结果,并以list返回。 tag搜索

attrs搜索

text搜索文字的搜索会导致其他搜索给的值如:tag, attrs都失效。方法与搜索tag一致

recursive和limit属性recursive=False表示只搜索直接儿子,否则搜索整个子树,默认为True。当使用findAll或者类似返回list的方法时,limit属性用于限制返回的数量,如findAll('p', limit=2): 返回首先找到的两个tag。

实例本文以博客的文档列表页面为例,利用python对页面中的文章名进行提取。

文章列表页中的文章列表部分的url如下:

代码:

python基于隐马尔可夫模型实现中文拼音输入 在网上看到一篇关于隐马尔科夫模型的介绍,觉得简直不能再神奇,又在网上找到大神的一篇关于如何用隐马尔可夫模型实现中文拼音输入的博客,无

python制作爬虫并将抓取结果保存到excel中 学习Python也有一段时间了,各种理论知识大体上也算略知一二了,今天就进入实战演练:通过Python来编写一个拉勾网薪资调查的小爬虫。第一步:分析

python文件的md5加密方法 本文实例讲述了python文件的md5加密方法。分享给大家供大家参考,具体如下:简单模式:fromhashlibimportmd5defmd5_file(name):m=md5()a_file=open(name,'rb')#需要使用二

标签: s='python is beautiful!'

本文链接地址:https://www.jiuchutong.com/biancheng/385264.html 转载请保留说明!

上一篇:Python使用Mechanize模块编写爬虫的要点解析(python mem)

下一篇:python基于隐马尔可夫模型实现中文拼音输入(python 隐函数作图)

  • 进口报关商品的完税价格包含运费吗
  • 没有独立核算的分公司需要报税
  • 以前年度多缴纳的企业所得税退还
  • 销项负数发票是代表交易没有成功吗?
  • 收到退税如何记账
  • 收据可以盖发票专用章吗有效吗
  • 税控发票抵税还是抵收
  • 记账凭证工资表
  • 个人转让住房要交哪些税费?
  • 企业变更地址需要哪些资料
  • 固定资产清理在财务报表哪里体现
  • 铁路运费印花税税率
  • 出口货物未报关
  • 进货费用会计科目
  • 现金折扣 会计处理
  • 通用机打发票可以抵扣税吗
  • 个人账户可以转公户吗?
  • 建筑企业在工程所在地全额征收
  • 个人缴纳失业保险的比例
  • 醋开票属于什么类
  • 非盈利组织纳税筹划
  • 小规模企业核定征收
  • 银行交纳进口关税政策
  • 苹果电脑安装了windows能取消吗
  • 虚拟机系统vmware
  • 企业自持商品住房定义
  • 付款保险费
  • Win10 Build 19043.1266(21H1)更新已知问题汇总
  • 房产契税什么时间缴纳
  • php中exec
  • thinkphp,onethink和thinkox中验证码不显示的解决方法分析
  • PHP用mysql_insert_id()函数获得刚插入数据或当前发布文章的ID
  • 微信小店api
  • 激光slam入门教程
  • 孪生神经网络 计算相似度
  • opencv1.0
  • 并发操作的定义
  • 小规模如何申报增值税
  • 小规模纳税人需要缴纳个人所得税吗
  • 员工宿舍的物业费要交个税吗
  • 农村合作社不报税会导致经营异常吗
  • 企业开办期间费用需要开发票吗
  • 免税收入和不征税收入有何区别
  • 应付职工薪酬账户的明细账户有
  • 房地产企业根据什么交增值税
  • 平台收取佣金开什么发票
  • 公司自有房产出租给员工如何处理
  • 企业收到收据后怎么处理
  • 隔月发票退回是怎么回事
  • 现金解款单是什么
  • 报销未收到发票怎么做账
  • 支付设备款怎么做账
  • 营改增适用范围
  • 收到去年所得税汇算清缴退税账务处理
  • 资产报废需要税费吗
  • 商品流通企业如何控成本
  • mysql 5.7.13 winx64安装配置方法图文教程
  • Excel导入Sqlserver数据库脚本
  • mysql命令行配置
  • win10简单版
  • win1020h2累积更新
  • 如何屏蔽网络?
  • win2008 无线网卡
  • macbookpro怎么测声音
  • Mac系统修复怎么进入
  • centos安装教程详解
  • 一直显示正在安装windows
  • script_tool_for_windows.bat Windows 环境下的 hosts 一键部署脚本
  • javascript居中
  • Ubuntu 16.04 64位中搭建Node.js开发环境教程
  • php运行linux命令
  • jsforeach循环遍历数组
  • nodejs cicd
  • python解析数据
  • Unity3d中EventTrigger的封装
  • dns设置为网关会出现什么问题了
  • 用python学算法
  • 基于unity的游戏开发
  • 怎样从增值税发票查询
  • 济南高新区工商局政务大厅电话
  • 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