フォックスニュースの記事を例に取り、記事全体をクロールしてみましょう。
最初のタイトルである。これは、構造から理解することができるコンテンツことでH1ノードの下のクラスである物品ヘッダタイトルであり、及びテキストコンテンツのDOMノードを得ることができるを通してストリング。
# 获取文章标题
alert_header = soup.find('header', class_="article-header").find('h1')
print(alert_header.string)
そして、テキストがあります構造から、クラスがarticle-bodyであるノードの下のp要素がテキストのコンテンツを構成しており、ボディの下のすべてのノードがcontentsを通じて取得できることがわかります。次に、すべてのノードをトラバースし、すべてのp要素の下のコンテンツを出力します。
from urllib.request import urlopen
from bs4 import BeautifulSoup
url = urlopen('https://www.foxnews.com/tech/mom-received-dirty-diapers-amazon')
soup = BeautifulSoup(url, 'html.parser') # parser 解析
# 获取文章标题
alert_header = soup.find('header', class_="article-header").find('h1')
print("标题如下:")
print(alert_header.string)
# 获取文章正文
alert_body = soup.find('div', class_="article-body").contents # 所有body里的p节点
# 打印文章正文
print("正文如下:")
for i in alert_body:
if(i.name == "p"):
print(i.getText())
print()
ランニング効果チャート:
途中に広告がある場合は、記事の本文や広告の構造を確認し、さらに広告を消すことができます。
気に入ったら気に入ってください❤!