python爬虫bs4库_04 Python爬虫之Beautiful Soup库
Beautiful Soup库的安装
Win平台: 以管理员身份运行
cmd 执行 pip install beautifulsoup4
Beautiful Soup库的安装小测
首先,获取网页源码保存至变量中
import requests
r = requests.get("https://python123.io/ws/demo.html")
demo = r.text
其次,引入Beautiful Soup库。from bs4 import BeautifulSoup
使用Beautiful Soup库的html解析器对网页源码进行解析。得到结果
通过prettify()方法进行显示
from bs4 import BeautifulSoup
soup = BeautifulSoup(demo, "html.parser")# 使用html解析器进行解析
print(soup.prettify())# 打印解析后的结果
Beautiful Soup库使用格式
from bs4 import BeautifulSoup
soup = BeautifulSoup('
data','html.parser')
Beautiful Soup库的基本元素
Beautiful Soup库的理解
Beautiful Soup库是解析、遍历、维护“标签树”的功能库
Beautiful Soup库的引用
Beautiful Soup库,也叫beautifulsoup4 或bs4 约定引用方式如下,即主要是用BeautifulSoup类
from bs4 import BeautifulSoup importbs4
BeautifulSoup类
BeautifulSoup对应一个HTML/XML文档的全部内容
Beautiful Soup库解析器
soup=BeautifulSoup('data','html.parser')
解析器
使用方法
条件
bs4的HTML解析器
BeautifulSoup(mk,'html.parser')
安装bs4库
lxml的HTML解析
BeautifulSoup(mk,'lxml')
pip install lxml
lxml的XML解析
BeautifulSoup(mk,'xml')
pip install lxml
html5lib的解析
BeautifulSoup(mk,'html5lib')
pip install html5lib
BeautifulSoup类的基本元素
基本元素
说明
Tag
标签,最基本的信息组织单元,分别用<>和>标明开头和结尾
Name
标签的名字,
…的名字是'p',格式:.name
Attributes
标签的属性,字典形式组织,格式:.attrs
NavigableString
标签内非属性字符串,<>…>中字符串,格式:.string
Comment
标签内字符串的注释部分,一种特殊的Comment类型
Tag标签
任何存在于HTML语法中的标签都可以用soup.访问获得 当HTML文档中存在多个相同对应内容时,soup.返回第一个
Tag的name(名字)
每个都有自己的名字,通过.name获取,字符串类型
Tag的attrs(属性)
一个可以有0或多个属性,字典类型
Tag的NavigableString
NavigableString可以跨越多个层次
Tag的Comment
Comment是一种特殊类型
基于bs4库的HTML内容遍历方法
HTML基本格式
标签树的下行遍历
BeautifulSoup类型是标签树的根节点
属性
说明
.contents
子节点的列表,将所有儿子节点存入列表
.children
子节点的迭代类型,与.contents类似,用于循环遍历儿子节点
.descendants
子孙节点的迭代类型,包含所有子孙节点,用于循环遍历
for child in soup.body.children: # 遍历儿子节点
print(child)
for child in soup.body.descendants: # 遍历子孙节点
print(child)
标签树的上行遍历
属性
说明
.parent
节点的父亲标签
.parents
节点先辈标签的迭代类型,用于循环遍历先辈节点
标签树的平行遍历
属性
说明
.next_sibling
返回按照HTML文本顺序的下一个平行节点标签
.previous_sibling
返回按照HTML文本顺序的上一个平行节点标签
.next_siblings
迭代类型,返回按照HTML文本顺序的后续所有平行节点标签
.previous_siblings
迭代类型,返回按照HTML文本顺序的前续所有平行节点标签
for sibling in soup.a.next_sibling:# 遍历后续节点
print(sibling)
for sibling in soup.a.previous_sibling: # 遍历前续节点
print(sibling)
基于bs4库的HTML格式输出
能否让HTML内容更加“友好”的显示?
bs4库的prettify()方法
.prettify()为HTML文本<>及其内容增加更加'\n'
.prettify()可用于标签,方法:.prettify()
bs4库的编码
bs4库将任何HTML输入都变成utf‐8编码 Python 3.x默认支持编码是utf‐8,解析无障碍
python爬虫bs4库_04 Python爬虫之Beautiful Soup库相关推荐
- python中bs4库_python系统学习2——beautiful soup库(bs4库)学习
beautiful soup库作为python第三方库,可以对html语言进行很好的树形解析,"美味汤"的直译也是在说能够把文档像一锅汤一样进行调制. beautiful soup ...
- python中stripped string_【Python爬虫学习笔记(3)】Beautiful Soup库相关知识点总结
1. Beautiful Soup简介 Beautiful Soup是将数据从HTML和XML文件中解析出来的一个python库,它能够提供一种符合习惯的方法去遍历搜索和修改解析树,这将大大减少爬虫程 ...
- 【Python爬虫学习笔记(3)】Beautiful Soup库相关知识点总结
1. Beautiful Soup简介 Beautiful Soup是将数据从HTML和XML文件中解析出来的一个python库,它能够提供一种符合习惯的方法去遍历搜索和修改解析树,这将大大减 ...
- python——爬虫学习——Beautiful Soup库的使用-(2)
Beautiful Soup库 执行pip install beautifulsoup4安装Beautiful Soup库 Beautiful Soup库的简介 Beautiful Soup是一个可以 ...
- Python 网络爬虫笔记5 -- Beautiful Soup库实战
Python 网络爬虫笔记5 – Beautiful Soup库实战 Python 网络爬虫系列笔记是笔者在学习嵩天老师的<Python网络爬虫与信息提取>课程及笔者实践网络爬虫的笔记. ...
- Python 网络爬虫笔记3 -- Beautiful Soup库
Python 网络爬虫笔记3 – Beautiful Soup库 Python 网络爬虫系列笔记是笔者在学习嵩天老师的<Python网络爬虫与信息提取>课程及笔者实践网络爬虫的笔记. 课程 ...
- 【Python爬虫】Beautiful Soup库入门
BeautifulSoup库的安装 安装 pip install beautifulsoup4 测试是否安装成功 Python 3.8.3 (tags/v3.8.3:6f8c832, May 13 2 ...
- python爬虫beautifulsoup实例-Python爬虫学习(二)使用Beautiful Soup库
(一)使用Beautiful Soup库(默认将HTML转换为utf-8编码) 1,安装Beautiful Soup库:pip install beautifulsoup4 2,简单使用: impor ...
- 网络爬虫系列笔记(3)——Beautiful Soup库
Unit1:Beautiful Soup 一.安装 https://www.crummy.com/software/BeautifulSoup/ 管理员权限打开命令行:pip in ...
最新文章
- 调查:中国CIO在亚太拥最大战略影响力
- ASP.NET 2.0 解决了 Code-Behind 需要控件声明同步的问题
- Go的遍历map与slice的区别:map无序slice有序
- (转)open gl 实例 demo ---vs2005 环境
- 五一小长假|不得不说的一些话
- 泛型系列3:获取泛型的类型
- 超详细Centos6.5文本模式安装步骤
- CSS3 之 flex
- 蓝桥杯 ALGO-139 算法训练 s01串
- 实验五 编写、调试具有多个段的程序
- 网络风险成为中国企业新挑战
- [NOIp2017 TG Day1 T1] 小凯的疑惑
- 【WordPress】小卡的土豆园开张
- python中绝对值怎么表示_python如何使用绝对值
- 【Groovy】Json、Xml、Swing 生成器 ( Json 生成器 JsonBuilder | Xml 生成器 MarkupBuilder | Swing 生成器 SwingBuilder)
- Linux——常见问题大全
- 位运算符以及他们的用途
- IP地址,子网掩码,网段 概念详解
- 头条号《群媒体》,自媒体工作室必看
- 个人如何用python支付宝收款_python怎么接入支付宝
热门文章
- 动态再结晶CA法模拟基础之元胞机的邻居类型及边界条件
- 真心喜欢一个人是种怎样的体验?
- C - 数据结构实验之栈与队列十:走迷宫
- Unity玩家排行榜算法完整源码
- 数据库课程设计--人事管理系统代码
- 2021年甘肃省安全员B证考试报名及甘肃省安全员B证免费试题
- 〖教程〗K8飞刀-网络安全CTF解题Web篇10例
- Java将docx转换为html格式字符串
- 基于SpringBoot零食销售系统的设计与实现【Java毕业设计·安装调试·代码讲解·文档报告】
- 211计算机考研院校排名6,计算机考研学校排名:比较稳的211有哪些?