【Python 爬虫基础】BeautifulSoup

BeautifulSoup是一个Python库,用于从HTML或XML文件中提取数据。它创建一个解析树,允许你用类似于CSS或jQuery的方式来导航和提取数据。

以下是一些使用BeautifulSoup的基本示例:

  1. 安装BeautifulSoup库



pip install beautifulsoup4
  1. 使用BeautifulSoup解析HTML



from bs4 import BeautifulSoup
 
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
"""
 
soup = BeautifulSoup(html_doc, 'html.parser')
 
print(soup.prettify())
  1. 查找特定的HTML元素



# 查找所有的<a>标签
for anchor in soup.find_all('a'):
    print(anchor.get('href'))
 
# 查找所有带有"title"属性的标签
for tag in soup.find_all(True, {'class': 'title'}):
    print(tag.name)
 
# 通过名称查找一个标签
tag = soup.find(id='link1')
print(tag.get('href'))
  1. 提取特定的数据



# 获取标题
print(soup.title.string)
 
# 获取所有段落的文字
for paragraph in soup.find_all('p'):
    print(paragraph.get_text())
  1. 使用CSS选择器查找元素



# 首先需要安装beautifulsoup4-inline-xpath
from bs4 import BeautifulSoup
 
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>
"""
 
soup = BeautifulSoup(html_doc, 'html.parser')
 
# 使用CSS选择器查找
print(soup.select('title'))
print(soup.select('.story'))
print(soup.select('#link1'))

这些是BeautifulSoup的基本使用方法,更多高级功能可以查看官方文档。

最后修改于:2024年08月23日 11:34

评论已关闭

推荐阅读

DDPG 模型解析,附Pytorch完整代码
2024年11月24日
DQN 模型解析,附Pytorch完整代码
2024年11月24日
AIGC实战——Transformer模型
2024年12月01日
Socket TCP 和 UDP 编程基础(Python)
2024年11月30日
python , tcp , udp
如何使用 ChatGPT 进行学术润色?你需要这些指令
2024年12月01日
AI
最新 Python 调用 OpenAi 详细教程实现问答、图像合成、图像理解、语音合成、语音识别(详细教程)
2024年11月24日
ChatGPT 和 DALL·E 2 配合生成故事绘本
2024年12月01日
omegaconf,一个超强的 Python 库!
2024年11月24日
【视觉AIGC识别】误差特征、人脸伪造检测、其他类型假图检测
2024年12月01日
[超级详细]如何在深度学习训练模型过程中使用 GPU 加速
2024年11月29日
Python 物理引擎pymunk最完整教程
2024年11月27日
MediaPipe 人体姿态与手指关键点检测教程
2024年11月27日
深入了解 Taipy:Python 打造 Web 应用的全面教程
2024年11月26日
基于Transformer的时间序列预测模型
2024年11月25日
Python在金融大数据分析中的AI应用(股价分析、量化交易)实战
2024年11月25日
AIGC Gradio系列学习教程之Components
2024年12月01日
Python3 `asyncio` — 异步 I/O,事件循环和并发工具
2024年11月30日
llama-factory SFT系列教程:大模型在自定义数据集 LoRA 训练与部署
2024年12月01日
Python 多线程和多进程用法
2024年11月24日
Python socket详解,全网最全教程
2024年11月27日