资讯

精准传达 • 有效沟通

从品牌网站建设到网络营销策划,从策略到执行的一站式服务

Python常用爬虫代码总结方便查询-创新互联

beautifulsoup解析页面

创新互联公司主营南岔网站建设的网络公司,主营网站建设方案,重庆APP软件开发,南岔h5微信小程序搭建,南岔网站营销推广欢迎南岔等地区企业咨询
from bs4 import BeautifulSoup
soup = BeautifulSoup(htmltxt, "lxml")
# 三种装载器
soup = BeautifulSoup("

", "html.parser") ### 只有起始标签的会自动补全,只有结束标签的会自动忽略 ### 结果为:
soup = BeautifulSoup("

", "lxml") ### 结果为:
soup = BeautifulSoup("

", "html5lib") ### html5lib则出现一般的标签都会自动补全 ### 结果为:

# 根据标签名、id、class、属性等查找标签 ### 根据class、id、以及属性alog-action的值和标签类别查询 soup.find("a",class_="title",id="t1",attrs={"alog-action": "qb-ask-uname"})) ### 查询标签内某属性的值 pubtime = soup.find("meta",attrs={"itemprop":"datePublished"}).attrs['content'] ### 获取所有class为title的标签 for i in soup.find_all(class_="title"): print(i.get_text()) ### 获取特定数量的class为title的标签 for i in soup.find_all(class_="title",limit = 2): print(i.get_text()) ### 获取文本内容时可以指定不同标签之间的分隔符,也可以选择是否去掉前后的空白。 soup = BeautifulSoup('

The Dormouses story

The Dormouses story

', "html5lib") soup.find(class_="title").get_text("|", strip=True) #结果为:The Dormouses story|The Dormouses story ### 获取class为title的p标签的id soup.find(class_="title").get("id") ### 对class名称正则: soup.find_all(class_=re.compile("tit")) ### recursive参数,recursive=False时,只find当前标签的第一级子标签的数据 soup = BeautifulSoup('abc','lxml') soup.html.find_all("title", recursive=False)</pre> <br> 网站名称:Python常用爬虫代码总结方便查询-创新互联 <br> 标题URL:<a href="http://www.cdkjz.cn/article/hoihh.html">http://www.cdkjz.cn/article/hoihh.html</a> </div> <div class="g-return-wrapper clearfix"> <a href="http://www.cdkjz.cn/" class="home">返回首页</a> <a href="http://www.cdkjz.cn/news/" class="column">了解更多建站资讯</a> </div> </div> </div> <div class="full-related-news"> <h3 class="related-title">相关资讯</h3> <div class="related-news weblg"> <ul class="clearfix"> <li> <a href="/article/dgegppo.html"> <h2 class="title">jquery去除冒泡 jquery 冒泡</h2> </a> </li><li> <a href="/article/dgeghdj.html"> <h2 class="title">android开发手机 android开发手机号登录</h2> </a> </li><li> <a href="/article/dgeghoo.html"> <h2 class="title">jquery按键响应 jq按钮点击事件</h2> </a> </li><li> <a href="/article/dgegpjo.html"> <h2 class="title">关于linux添加jdk命令的信息</h2> </a> </li><li> <a href="/article/dgeghcd.html"> <h2 class="title">电脑文档合并快捷键 word文档合并快捷键</h2> </a> </li><li> <a href="/article/dgeghoe.html"> <h2 class="title">html5弹出效果 html5弹窗效果</h2> </a> </li><li> <a href="/article/dgegpej.html"> <h2 class="title">创建ios开发账户 ios创建防爆账户的要求是什么</h2> </a> </li><li> <a href="/article/dgegphc.html"> <h2 class="title">linux直接写的命令 linux常用命令写入</h2> </a> </li> </ul> </div> </div> <div class="full-icontact-cover m-ft-contact"> <div class="weblg"> <div class="clearfix content"> <div class="motto"> 多年建站经验 </div> <div class="info"> <h3>多一份参考,总有益处</h3> <h2> 联系快上网,免费获得专属《策划方案》及报价</h2> <div class="msg"> <p>咨询相关问题或预约面谈,可以通过以下方式与我们联系</p> <h4> 大客户专线   成都:<a href="tel:+13518219792" rel="nofollow">13518219792</a>   座机:<a href="tel:02886922220" rel="nofollow">028-86922220</a> </h4> </div> </div> </div> <div class="btns clearfix"> <a href="https://wpa.qq.com/msgrd?v=3&uin=631063699&site=qq&menu=yes" target="_blank" rel="nofollow" class="oline">在线咨询</a> <a href="javascript:;" class="edit" rel="nofollow">提交需求</a> </div> </div> </div> <div class="footer-content"> <div class="weblg clearfix"> <div class="friend-links"> <h6 class="clearfix"> <span class="tilte">友情链接</span> <a class="exchagne" href="http://wpa.qq.com/msgrd?v=3&uin=631063699&site=qq&menu=yes">交换友情链接</a> </h6> <div class="link-list clearfix"> <div class="link-slider"> <a href="http://www.scbaiwuyu.cn/" title="四川白乌鱼" target="_blank">四川白乌鱼</a><a href="http://www.cdhuace.com/huace.html" title="成都画册设计公司" target="_blank">成都画册设计公司</a><a href="http://www.cdxwcx.cn/tuoguan/leshan.html" title="乐山服务器托管" target="_blank">乐山服务器托管</a><a href="https://www.cdcxhl.cn/ " title="腾讯云免备案空间" target="_blank">腾讯云免备案空间</a><a href="http://m.xwcx.net/wechat/" title="成都微信二次开发" target="_blank">成都微信二次开发</a><a href="http://www.myzwz.com/" title="绵阳网站建设公司" target="_blank">绵阳网站建设公司</a><a href="http://www.cdxwcx.cn/tuoguan/ershu.html" title="中国电信成都枢纽中心" target="_blank">中国电信成都枢纽中心</a><a href="http://www.cdxwcx.cn/tuoguan/mianyang.html" title="绵阳电信机房" target="_blank">绵阳电信机房</a><a href="http://www.cqganxi.cn/" title="友益建筑机械凿" target="_blank">友益建筑机械凿</a><a href="http://www.cdxwcx.cn/tuoguan/deyang.html" title="德阳电信机房" target="_blank">德阳电信机房</a> </div> </div> </div> </div> <div class="full-foot-bottom"> <div class="weblg clearfix"> <p>成都网站建设公司地址:成都市青羊区太升南路288号锦天国际A座10层 建设咨询<a href="tel:028-86922220">028-86922220</a></p> <p> 成都快上网科技有限公司-四川网站建设设计公司 | <a href="http://www.miitbeian.gov.cn/" target="_blank" rel="nofollow">蜀ICP备19037934号</a> Copyright 2020,ALL Rights Reserved cdkjz.cn | <a href="http://www.cdkjz.cn/" target="_blank">成都网站建设</a> | © Copyright 2020版权所有.</p> <p>专家团队为您提供<a href="http://www.cdkjz.cn/" target="_blank">成都网站建设</a>,<a href="http://www.cdkjz.cn/" target="_blank">成都网站设计</a>,成都品牌网站设计,成都营销型网站制作等服务,成都建网站就找快上网! | 成都网站建设哪家好? | <a href="###">网站建设地图</a></p> </div> </div> </div> <script type="text/javascript" src="../js/idangerous.swiper.min.js"></script> <script type="text/javascript" src="../js/wow.min.js"></script> <script type="text/javascript" src="../js/jquery.mousewheel.min.js"></script> <script type="text/javascript" src="../js/jquery.placeholder.min.js"></script> <script type="text/javascript" src="../js/layout.js"></script> </body> </html> <script> $(".singlepage img").each(function(){ var src = $(this).attr("src"); //获取图片地址 var str=new RegExp("http"); var result=str.test(src); if(result==false){ var url = "https://www.cdcxhl.com"+src; //绝对路径 $(this).attr("src",url); } }); window.onload=function(){ document.oncontextmenu=function(){ return false; } } </script>