Python中的Beautiful Soup库(笔记)
介绍
BeautifulSoup是一种可以从html和xml中快速提取内容的python库,共有四种类型,对于爬虫解析来说,主要用其中的遍历文档树和搜索文档树。BeautifulSoup最主要的功能是从网页抓取数据,Beautiful Soup自动将输入文档转换为Unicode编码,输出文档转换为utf-8编码。BeautifulSoup支持Python标准库中的HTML解析器,还支持一些第三方的解析器,如果我们不安装它,则 Python 会使用 Python默认的解析器,lxml 解析器更加强大,速度更快,推荐使用lxml 解析器。
引用
Beautiful Soup库,也叫beautifulsoup4或bs4
Beautiful Soup库解析器
bs4库的基本元素
理解
通过beautifulsoup的解析,使得标签树变为一个我们可以操作的beautifulsoup类的变量
BeautifulSoup对应一个HTML/XML文档的全部内容。
我们首先利用requests库中的get来获取包含服务器资源的response对象,之后利用text获取页面的内容,定义为demo,之后利用BeautifulSoup来解析此demo页面,获得一个BeautifulSoup类的soup
爬取网页http://python123.io/ws/demo.html
内容
源代码
<html><head><title>This is a python demo page</title></head>
<body>
<p class="title"><b>The demo python introduces several python courses.</b></p>
<p class="course">Python is a wonderful general-purpose programming language. You can learn Python from novice to professional by tracking the following courses:
<a href="http://www.icourse163.org/course/BIT-268001" class="py1" id="link1">Basic Python</a> and <a href="http://www.icourse163.org/course/BIT-1001870001" class="py2" id="link2">Advanced Python</a>.</p>
</body></html>
爬取页面代码如下
import requests
from bs4 import BeautifulSoup
r = requests.get("http://python123.io/ws/demo.html")
demo = r.text
soup = BeautifulSoup(demo , "html.parser")print(type(soup))
<class 'bs4.BeautifulSoup'>
利用类中的基本元素对soup进行分析
1、tag
soup.tag 其中tag为标签的类型,如
print(soup.title)
<title>This is a python demo page</title>
#注意:若代码中含有多个此类型的标签,则返回的是第一个标签
搜索文档对象的方法:
使用find_all(name, attrs, recursive, text, ** kwargs)
- name:按照字符串搜索,可以传入的内容为字符串,正则表达式,列表
- kwargs参数,用来表示属性
- text:对应tag的文本值
像调用 find_all() 一样调用tag
find_all() 几乎是Beautiful Soup中最常用的搜索方法,所以我们定义了它的简写方法. BeautifulSoup 对象和 tag 对象可以被当作一个方法来使用,这个方法的执行结果与调用这个对象的 find_all() 方法相同,下面两行代码是等价的:
soup.find_all(“a”)
soup(“a”)
这两行代码也是等价的:
soup.title.find_all(text=True)
soup.title(text=True)
此处引用自 https://www.cnblogs.com/zipon/p/6129280.html
Python中的Beautiful Soup库(笔记)相关推荐
- python soup attrs_Python中使用Beautiful Soup库的超详细教程
1. Beautiful Soup的简介 简单来说,Beautiful Soup是python的一个库,最主要的功能是从网页抓取数据.官方解释如下: Beautiful Soup提供一些简单的.pyt ...
- python爬虫之Beautiful Soup库,基本使用以及提取页面信息
一.Beautiful Soup简介 爬虫正则表达式参考:Python 爬虫正则表达式和re库 在爬虫过程中,可以利用正则表达式去提取信息,但是有些人觉得比较麻烦.因为花大量时间分析正则表达式.这时候 ...
- 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 ...
- 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 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 ...
最新文章
- NYOJ 660 逃离地球
- 【 .NET Core 3.0 】框架之二 || 后端项目搭建
- apache log4j_Apache log4j是领先的日志记录框架
- ref 和out 关键字
- python flask Blueprint搭建
- (需求实战_01) SpringBoot2.x 整合RabbitMQ_生产端
- 2014ACM/ICPC亚洲区西安站 F题 color (组合数学,容斥原理)
- NOIP2016换教室 BZOJ 4720
- selenium控制浏览器操作
- 计算机服务器硬件组成
- 词根词缀【-vict=vinc】
- linux 访问windows本地项目异常如何解决,求助
- Python使用Reportlab处理PDF数据 - 自定义页眉和页脚
- 批判性思维如何养成?
- 问题分析报告--简单SQL启动MR
- 基于STM32的反电动势无传感BLDC控制
- iframe内嵌高德地图搜索
- 【SQL】leetcode 584.寻找用户推荐人(知识点:SQL的三值逻辑)
- 学习笔记:cnn 身份证数字识别
- 用python绘制多组箱线图、柱状图、簇状图