网络爬虫基础练习

Posted 104陈颖楠

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了网络爬虫基础练习相关的知识,希望对你有一定的参考价值。


0.可以新建一个用于练习的html文件,在浏览器中打开。

1.利用requests.get(url)获取网页页面的html文件

import requests

newsurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘

res = requests.get(newsurl) #返回response对象

res.encoding=‘utf-8‘

2.利用BeautifulSoup的HTML解析器,生成结构树

from bs4 import BeautifulSoup

soup = BeautifulSoup(res.text,‘html.parser‘)

3.找出特定标签的html元素

soup.p #标签名,返回第一个

soup.head

soup.p.name #字符串

soup.p. attrs #字典,标签的所有属性

soup.p. contents # 列表,所有子标签

soup.p.text #字符串

soup.p.string

soup.select(‘li‘)


4.取得含有特定CSS属性的元素

soup.select(‘#p1Node‘)

soup.select(‘.news-list-title‘)

5.练习:

取出h1标签的文本
取出a标签的链接
取出所有li标签的所有内容
取出一条新闻的标题、链接、发布时间、来源



import
requests newsurl = http://localhost:63343/untitled/0328.html?_ijt=fqm1auq9lre02586ncjgqfg75u res = requests.get(newsurl) # 返回response对象 res.encoding = utf-8 from bs4 import BeautifulSoup soup = BeautifulSoup(res.text, html.parser) print(soup.h1.text) print(soup.a.attrs[href]) for i in (soup.select(li)): print(i.contents) print(soup.select(.news-list-title)[0].contents) print(soup.li.a.attrs[href]) print(soup.select(.news-list-info)[0].contents[0].text) print(soup.select(.news-list-info)[0].contents[1].text)

 

以上是关于网络爬虫基础练习的主要内容,如果未能解决你的问题,请参考以下文章

网络爬虫基础练习

网络爬虫基础练习

网络爬虫基础练习

网络爬虫基础练习

网络爬虫基础练习

网络爬虫基础练习