まず、ライブラリBeautifulSoupの簡単な使用
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
対応BeautifulSoup HTML / XML文書の内容全体
BeautifulSoup === === BeautifulSoupクラスタグツリー
第二に、シンプルなラベルの使用BeautifulSoup
次.nameのを使用して、.attrsはアクセス名、属性をピア:
ライブラリBS4 HTMLベースのコンテンツトラバーサル方法:
簡単なコード:
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
第三に、HTMLコンテンツBS4ライブラリに基づく方法を見つけます
以下のような:
soup.find_all(string='Basic Python')
soup.find_all(id=re.compile('link')) #正则表达式的模糊查询
拡張メソッド: