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)

  • 原材料退款的会计分录
  • 个人独资企业的责任承担
  • 租赁合同管理台账范本
  • 行政事业性收据发票记帐
  • 印花税资本金项目如何缴纳
  • 进项税额转出会影响利润吗
  • 出租房屋收取的水电费如何记账
  • 债权投资借贷方
  • 服务费发票需要交印花税吗
  • 增值税申报表更正情况说明怎么写
  • 在建工程转固定资产的条件
  • 结转库存什么意思
  • 在汇兑结算方式中汇入行对流行代取的款项应先转入
  • 火车车票怎么样
  • 抵税更正申报需要多久
  • 公司开给个人的发票有什么用
  • 商业保险可以报税吗
  • 进项税额转出与销售额配比异常
  • 总公司与分公司的账务处理销售
  • 公司注销时存货计税依据
  • 工程竣工结算审查期限
  • 增值税降税让利给谁
  • 企业所得税季初人数
  • 发票作废什么时候生效
  • 先计提社保还是先计提工资
  • 员工付款的手续费怎么算
  • 公司从超市购买东西缴纳印花税吗
  • 工程材料怎么开票
  • 下岗职工生活费最多发多少个月
  • django cookie
  • 2021年车辆检测
  • 不得从销项税额中抵扣的是
  • 哪一款macbook
  • javascript高阶
  • python photoshop
  • php __get()
  • python怎么打开mac本地文件
  • 出口退税转内销的损失
  • 如何根据销售额的降序计算销售排名
  • 工业生产的含义
  • 企业的主要经营指标有哪些
  • 税收种类包括哪几种
  • 小规模纳税人专用发票税率
  • 扣税8%
  • 亏损企业研发费用必须加计扣除吗
  • 应交税金等于销项减进项吗
  • 公司的旅游费怎么处理
  • 资本公积的相关资料
  • 支付广告费属于进项还是销项
  • 怎么看发票的凭证号
  • 印花税滞纳金怎么处理
  • 计提折旧有哪些会计科目
  • 固定资产计提折旧的方法
  • 私企的会计都做什么
  • 不用鲁大师
  • win10自动
  • centos6.8配置网络
  • 制作win7系统安装u盘系统
  • 微软推送win10更新 蓝牙
  • host文件内容
  • mac如何恢复到出厂系统版本
  • 怎么彻底删除win11安全中心
  • win8的显示设置
  • win7笔记本触摸板怎么用滑轮
  • 我们如何成为专业人员
  • win7旗舰版系统还原无法启动
  • cocos2dx 教程
  • android studio打包jar文件
  • django发送请求
  • 安全模式安卓
  • 从零开始学什么
  • android解析
  • 异步加载场景
  • 湖南国家税务局网上电子税务局官网
  • 支付境外公司服务费需要缴纳哪些税费
  • 陕西电子税务局官网
  • 2018城镇土地使用税减免政策
  • 企业怎么成立工会组织
  • 预缴增值税最后怎么处理
  • 航天金税怎么导入发票
  • 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