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 #发送请求 url = "http://news.gzcc.cn/html/2018/xiaoyuanxinwen_0328/9113.html" res = requests.get(url) res.encoding = "utf-8" res.text print(res.text)
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
for li in soup.select(‘li‘): print(li.text)
取出a标签的链接
for link in soup.select(‘a‘): print(link.get(‘href‘))
取出所有li标签的所有内容
for li in soup.select(‘li‘): print(li.text)
取出一条新闻的标题、链接、发布时间、来源
print(soup.select(‘.show-nav‘)[0].a.attrs[‘href‘])