孤荷凌寒自学python第六十八天学习并实践beautifulsoup模块1
Posted 孤荷凌寒
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了孤荷凌寒自学python第六十八天学习并实践beautifulsoup模块1相关的知识,希望对你有一定的参考价值。
孤荷凌寒自学python第六十八天学习并实践beautifulsoup模块1
(完整学习过程屏幕记录视频地址在文末)
感觉用requests获取到网页的html源代码后,更重要的工作其实是分析得到的内容,因此这时候大名鼎鼎的BeautifulSoup模块就可以大展身手了。
一、今天已了解到的BeautifulSoup模块中的一些用法小结:
1.
BeautifulSoup对象.prettify() #对html源代码 进行了美化。
2.
BeautifulSoup.p
#这种方法将返回html文档中的第一个p标签本身这个对象,不是文本,但Print之后会显示为如:
<p class="title" id="firstptag"><b>这是在第一个P标签中的TEXT</b></p>
3.
BeautifulSoup对象.a
#得到了Html文档中的第一个a标签本身这个对象(这是一个Html标签元素对象)
4.
Html标签元素对象[‘href‘])
# 获取Html标签元素对象的 链接地址 这个属性
5.
Html标签元素对象.get(‘href‘)
# 获取Html标签元素对象的 链接地址 这个属性
6.
msgbox(a.string)
#----获取Html标签元素对象的内含文本内容(innertext)
7.
BeautifulSoup对象.Html标签元素对象.contents
#---获取一个Html标签元素对象下的所有子对象集
#返回的是列表,列表中的元素,包括了此Html标签元素对象下的直属一级子对象。
8.
BeautifulSoup对象.Html标签元素对象.children
#---获取一个Html标签元素对象下的所有子对象集
#返回的是一个迭代器对象,其中的内容与上一个属性获取的一致
二、今天主要找到的网文资料
https://blog.csdn.net/qq_42787271/article/details/81612428
感谢博主的分享!
然后我根据这个资料进行了自己的测试。
三、我的测试代码:
```
import requests
from bs4 import BeautifulSoup
import _mty
strHtml=‘‘‘
<html><head><title>孤荷凌寒的测试网页qq:578652607</title>
<style>
.title{
font-size:20px;
}
.story{
font-size:12px;
}
#divfirst{
font-size:30px;
}
</style>
</head>
<body>
现在网页的BODY部分开始:
<div id="divfirst" class="story">
现在第一个p标签马上开始:
<p id="firstptag" class="title"><b>这是在第一个P标签中的TEXT</b></p>
<p class="story">现在分享一些网站链接:
</br>
<a href="http://www.baidu.com/" class="sister"
id="link1">1.百度链接</a>,
<a href="http://www.taobao.com/" class="sister"
id="link2">2.淘宝链接</a> and
<a href="3.http://www.jianshu.com/" class="sister"
id="link3">简书链接</a>;
</br>
所有链接分享完了</p>
现在第一个P标签已结束。
</div>
接下来第二个DIV开始
<div id="divsecond" class="title">
<p class="story">
<a href="http://www.lhghroom.cn/" id="a_ghlh"><span id="spanone">4.孤荷凌寒的小站</span></a>
</p>
</div>
现在body部分结束了
</body>
</html>
‘‘‘
def msgbox(info,titletext=‘孤荷凌寒的DB模块对话框QQ578652607‘,style=0,isShowErrMsg=False):
return _mty.msgboxGhlh(info,titletext,style,isShowErrMsg)
def myfirst(s,h):
#r=requests.get(s,headers=h)
#print(r.text) #r.text得到的是页面源html代码
bs=BeautifulSoup(strHtml,features="lxml") #第二个参数指明了解析器,得到的是一个beautifulsoup对象
#-----测试用法
#strnew=bs.prettify() #对html源代码 进行了美化。
#print(strnew)
#-------访问html文档中第一个指定tag标识的html标签元素的方法-----------
#print(bs.p) #这种方法将返回html文档中的第一个p标签本身这个对象,不是文本,但Print之后会显示为如:【<p class="title" id="firstptag"><b>这是在第一个P标签中的TEXT</b></p>】
#print(bs.p) #重复执行,也只是返回html文档 中的第一个P标签
#msgbox(str(bs.a)) #bs.a 返回的是一个对象,而不是文本字符串
#a=bs.a #得到了Html文档中的第一个a标签本身这个对象
#-----获取Html标签元素对象的属性,及相关对象--------------
#---以字典的方式 存放着Html标签元素对象的属性----
#msgbox(a[‘href‘]) #a的Html标签元素对象的 链接地址 这个属性
#msgbox(a.get(‘href‘))
#----标签的内嵌内容(innertext)存放在Html标签元素对象的string属性中
#msgbox(a.string)
#---获取一个Html标签元素对象下的所有子对象集-------------------------------------------
#elements=bs.body.contents #返回的是列表,列表中的元素,包括了此Html标签元素对象下的直属一级子对象。
#print(elements)
elements=bs.body.children #返回的是一个迭代器对象,其中的内容与上一个属性获取 的一致
print(list(elements))
#-----------------------
strurl=‘http://www.dianping.com/‘
header={
‘Host‘:‘www.dianping.com‘,
‘User-Agent‘:‘Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/68.0.3440.106 Safari/537.36‘
}
myfirst(strurl,header)
```
其中最后一步修改后的测试结果如下:
[‘ 现在网页的BODY部分开始: ‘, <div class="story" id="divfirst">
现在第一个p标签马上开始:
<p class="title" id="firstptag"><b>这是在第一个P标签中的TEXT</b></p>
<p class="story">现在分享一些网站链接:
<a class="sister" href="http://www.baidu.com/" id="link1">1.百度链接</a>,
<a class="sister" href="http://www.taobao.com/" id="link2">2.淘宝链接</a> and
<a class="sister" href="3.http://www.jianshu.com/" id="link3">简书链接</a>;
所有链接分享完了</p>
现在第一个P标签已结束。
</div>, ‘ 接下来第二个DIV开始 ‘, <div class="title" id="divsecond">
<p class="story">
<a href="http://www.lhghroom.cn/" id="a_ghlh"><span id="spanone">4.孤荷凌寒的小站</span></a>
</p>
</div>, ‘ 现在body部分结束了 ‘]
——————————
今天整理的学习笔记完成,最后例行说明下我的自学思路:
根据过去多年我自学各种编程语言的经历,认为只有真正体验式,解决实际问题式的学习才会有真正的效果,即让学习实际发生。在2004年的时候我开始在一个乡村小学自学电脑 并学习vb6编程语言,没有学习同伴,也没有高师在上,甚至电脑都是孤岛(乡村那时还没有网络),有的只是一本旧书,在痛苦的自学摸索中,我找到适应自己零基础的学习方法:首先是每读书的一小节就作相应的手写笔记,第二步就是上机测试每一个笔记内容是否实现,其中会发现书中讲的其实有出入或错误,第三步就是在上机测试之后,将笔记改为电子版,形成最终的修订好的正确无误的学习笔记 。
通过反复尝试错误,在那个没有分享与交流的黑暗时期我摸黑学会了VB6,尔后接触了其它语言,也曾听过付费视频课程,结果发现也许自己学历果然太低,就算是零基础的入门课程,其实也难以跟上进度,讲师的教学多数出现对初学者的实际情况并不了解的情况,况且学习者的个体也存在差异呢?当然更可怕的是收费课程的价格往往是自己难以承受的。
于是我的所有编程学习都改为了自学,继续自己的三步学习笔记法的学习之路。
当然自学的最大问题是会走那么多的弯路,没有导师直接输入式的教学来得直接,好在网络给我们带来无限搜索的机会,大家在网络上的学习日志带给我们共享交流的机会,而QQ群等交流平台、网络社区的成立,我们可以一起自学,互相批评交流,也可以获得更有效,更自主的自学成果。
于是我以人生已过半的年龄,决定继续我的编程自学之路,开始学习python,只希望与大家共同交流,一个人的独行是可怕的,只有一群人的共同前进才是有希望的。
诚挚期待您的交流分享批评指点!欢迎联系我加入从零开始的自学联盟。
这个时代互联网成为了一种基础设施的存在,于是本来在孤独学习之路上的我们变得不再孤独,因为网络就是一个新的客厅,我们时刻都可以进行沙龙活动。
非常乐意能与大家一起交流自己自学心得和发现,更希望大家能够对我学习过程中的错误给予指点——是的,这样我就能有许多免费的高师了——这也是分享时代,社区时代带来的好福利,我相信大家会的,是吧!
根据完全共享的精神,开源互助的理念,我的个人自学录制过程是全部按4K高清视频录制的,从手写笔记到验证手写笔记的上机操作过程全程录制,但因为4K高清文件太大均超过5G以上,所以无法上传至网络,如有需要可联系我QQ578652607对传,乐意分享。上传分享到百度网盘的只是压缩后的720P的视频。
我的学习过程录像百度盘地址分享如下:(清晰度:1280x720)
链接:https://pan.baidu.com/s/1JesRSIGxxT33g6xgeUsTDQ
提取码:3mem
Bilibili
B站退回了今天视频的发布申请,原因如下:
【7:17-7:25】根据国家相关法律法规政策,加强对时政内容、新闻信息的管理,暂停个人上传时政内容、新闻信息,现将您的稿件予以打回,敬请谅解。
喜马拉雅语音笔记:
https://www.ximalaya.com/keji/19103006/152590964
以上是关于孤荷凌寒自学python第六十八天学习并实践beautifulsoup模块1的主要内容,如果未能解决你的问题,请参考以下文章
孤荷凌寒自学python第六十二天学习mongoDB的基本操作并进行简单封装1
孤荷凌寒自学python第六十六天学习mongoDB的基本操作并进行简单封装5
孤荷凌寒自学python第六十五天学习mongoDB的基本操作并进行简单封装4