Python爬虫技术 第14节 HTML结构解析
warning:
这篇文章距离上次修改已过187天，其中的内容可能已经有所变动。
在Python爬虫技术第14节中，我们通常会使用BeautifulSoup库来解析HTML结构。以下是一个简单的例子，展示了如何使用BeautifulSoup来查找和提取HTML元素。
from bs4 import BeautifulSoup
# 假设我们有以下HTML内容
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<div class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</div>
<p class="story">...</p>
"""
# 使用BeautifulSoup解析HTML
soup = BeautifulSoup(html_doc, 'html.parser')
# 查找所有的<a>标签
for link in soup.find_all('a'):
print(link.get('href'))
# 查找id为"link3"的<a>标签
link3 = soup.find(id='link3')
print(link3.get('href'))
# 查找所有class为"sister"的<a>标签的链接文字
for sister in soup.find_all('a', class_='sister'):
print(sister.get_text())这段代码首先导入了BeautifulSoup类，然后使用一个HTML字符串初始化了一个BeautifulSoup对象。接下来，我们使用find_all方法查找所有的<a>标签，并打印它们的href属性。我们也找到了id为link3的<a>标签，并打印了它的href属性。最后，我们遍历所有class为sister的<a>标签，打印它们的文本内容。这个例子展示了如何使用BeautifulSoup来进行基本的HTML结构解析和数据提取。
评论已关闭