做汤1
Posted rayshaw13
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了做汤1相关的知识，希望对你有一定的参考价值。
使用Beautiful Soup库，先看一个例子：
#利用beautiful soup解析网页源代码 #首先利用requests库获取网页源代码 import requests url=\'https://python123.io/ws/demo.html\' r=requests.get(url) r.status_code demo=r.text print(demo)#得到网页源代码 from bs4 import BeautifulSoup soup=BeautifulSoup(demo,\'html.parser\')#后者是一个解析器 print(soup.prettify())#显示解析后的网页代码
下面介绍BS库的基本元素：
BS库时解析、遍历、维护”标签树“的功能库，标签树可理解为一个字符串，就是<>...<>之间的内容
我们认为 html文档-标签树-Beautiful Soup类是等价的
BS库解析器;
| 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解析器 | BeautifulSoup(mk,\'lxml\') | pip install lxml |
| lxml的XML解析器 | BeautifulSoup(mk,\'xml\') | pip install lxml |
| html5lib的解析器 | BeautifulSoup(mk,\'html5lib\') | pip install html5lib |
BS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</>表明开头和结尾 |
| Name | 标签的名字，<p>...</p>的名字是\'p\'，格式是：<tag>.name |
| Attributes | 标签的属性，字典形式组织，格式：<tag>.attrs |
| NavigableString | 标签内非属性字符串，<>...</>中字符串，格式：<tag>.string |
| Comment | 标签内字符串的注释部分，一种特殊的Comment类型 |
解析后的网页代码:
<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 class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1"> Basic Python </a> and <a class="py2" href="http://www.icourse163.org/course/BIT-1001870001" id="link2"> Advanced Python </a> . </p> </body> </html>
根据以上的网页代码，我们可以看到查看一些标签：
soup.title#输出<title>This is a python demo page</title> tag=soup.a tag#输出<a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">Basic Python</a> soup.a.name#输出\'a\' soup.a.parent.name#输出\'p\' soup.p.parent.name#输出\'body\' tag.attrs#标签属性，输出{\'class\': [\'py1\'], \'href\': \'http://www.icourse163.org/course/BIT-268001\', \'id\': \'link1\'} #获取标签属性class的值 tag.attrs[\'class\']#输出[\'py1\'] #获取标签属性链接的值 tag.attrs[\'href\']#输出\'http://www.icourse163.org/course/BIT-268001\' type(tag.attrs)#输出dict type(tag)#输出bs4.element.Tag
NavigableString属性的查看：
soup.a.string#输出\'Basic Python\' type(soup.a.string)#输出bs4.element.NavigableString soup.p.string#输出\'The demo python introduces several python courses.\' type(soup.p.string)#输出bs4.element.NavigableString
我们发现p标签string输出中没有b标签，说明NavigableString可以跨越多个层次。
总结：
以上是关于做汤1的主要内容，如果未能解决你的问题，请参考以下文章