一、BeautifulSoup库的简单使用
import requests
r=requests.get("http://python123.io/ws/demo.html")
demo=r.text
from bs4 import BeautifulSoup #导入BeautifulSoup库
soup=BeautifulSoup(demo,"html.parser") #使用html.parser进行解析
print(soup.prettify()) #打印解析结果
BeautifulSoup对应一个HTML/XML文档的全部内容
BeautifulSoup===标签树===BeautifulSoup类
二、BeautifulSoup标签的简单使用
使用下述.name,.attrs等访问名称,属性等:
基于bs4库的HTML内容遍历方法:
简单代码:
import requests
r=requests.get("http://python123.io/ws/demo.html")
demo=r.text
from bs4 import BeautifulSoup #导入BeautifulSoup库
soup=BeautifulSoup(demo,"html.parser") #使用html.parser进行解析
print(soup.title) #若有多个类似标签,仅返回第一个
print(soup.a)
print(soup.a.name) #返回名字
print(soup.a.parent.name)
tag=soup.a
print(tag.attrs) #属性
print(tag.attrs['class'])
print(tag.string) #两个尖括号之间的内容
print(type(tag.string))
print(soup.head)
print(soup.head.contents) #contents返回其儿子
print(soup.title.parent) #返回父节点
三、基于bs4库的HTML内容查找方法
如:
soup.find_all(string='Basic Python')
soup.find_all(id=re.compile('link')) #正则表达式的模糊查询
扩展方法: