溫馨提示×

溫馨提示×

您好,登錄后才能下訂單哦!

密碼登錄×
登錄注冊×
其他方式登錄
點擊 登錄注冊 即表示同意《億速云用戶服務(wù)條款》

python里bs4的使用方法

發(fā)布時間:2020-09-02 09:59:48 來源:億速云 閱讀:275 作者:小新 欄目:編程語言

python里bs4的使用方法?這個問題可能是我們?nèi)粘W(xué)習(xí)或工作經(jīng)常見到的。希望通過這個問題能讓你收獲頗深。下面是小編給大家?guī)淼膮⒖純?nèi)容,讓我們一起來看看吧!

bs4 全名 BeautifulSoup,是編寫 python 爬蟲常用庫之一,主要用來解析 html 標簽。

初始化

from bs4 import BeautifulSoup

soup = BeautifulSoup("<html>A Html Text</html>", "html.parser")

兩個參數(shù):第一個參數(shù)是要解析的html文本,第二個參數(shù)是使用那種解析器,對于HTML來講就是html.parser,這個是bs4自帶的解析器。如果一段HTML或XML文檔格式不正確的話,那么在不同的解析器中返回的結(jié)果可能是不一樣的。

python里bs4的使用方法

對象

Beautfiful Soup將復(fù)雜HTML文檔轉(zhuǎn)換成一個復(fù)雜的樹形結(jié)構(gòu),每個節(jié)點都是Python對象,所有對象可以歸納為4種:tag,NavigableString,BeautifulSoup,Comment。

tag

Tag對象與 xml 或 html 原生文檔中的 tag 相同。

soup = BeautifulSoup('<b class="boldest">Extremely bold</b>')

tag = soup.b

type(tag)

# <class 'bs4.element.Tag'>

如果不存在,則返回 None,如果存在多個,則返回第一個。

name

每個 tag 都有自己的名字

tag.name
# 'b'

attributes

tag 的屬性是一個字典

tag['class']
# 'boldest'

tag.attrs
# {'class': 'boldest'}

type(tag.attrs)
# <class 'dict'>

兩點注意事項

1、python3不再有urllib2,取而代之的是urllib.request,因此把在Python2中使用urllib2的地方全部替代為urllib.request即可
2、from BeautifulSoup import BeautifulSoup 總是會出錯,替換為from bs4 import BeautifulSoup即可

當(dāng)然,文檔的節(jié)點不止這些,還有其他很多的節(jié)點。

感謝各位的閱讀!看完上述內(nèi)容,你們對python里bs4的使用方法大概了解了嗎?希望文章內(nèi)容對大家有所幫助。如果想了解更多相關(guān)文章內(nèi)容,歡迎關(guān)注億速云行業(yè)資訊頻道。

向AI問一下細節(jié)

免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點不代表本網(wǎng)站立場,如果涉及侵權(quán)請聯(lián)系站長郵箱:is@yisu.com進行舉報,并提供相關(guān)證據(jù),一經(jīng)查實,將立刻刪除涉嫌侵權(quán)內(nèi)容。

AI