網路爬蟲基礎練習

0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。

1.利用requests.get(url)獲取網頁頁面的html檔案

import requests

newsurl=''

res = requests.get(newsurl) #返回response物件

res.encoding='utf-8'

2.利用beautifulsoup的html解析器，生成結構樹

from bs4 import beautifulsoup

soup = beautifulsoup(res.text,'html.parser')

3.找出特定標籤的html元素

soup.p #標籤名，返回第乙個

soup.head

soup.p.name #字串

soup.p. attrs #字典，標籤的所有屬性

soup.p. contents # 列表，所有子標籤

soup.p.text #字串

soup.p.string

soup.select(『li')

4.取得含有特定css屬性的元素

soup.select('#p1node')

soup.select('.news-list-title')

5.練習：

取出h1標籤的文字

#取出h1標籤的文字

for h1 in soup.find_all('h1'

):

print(h1.text)

結果：

取出a標籤的鏈結

#

取出a標籤的鏈結
for a in soup.find_all('a'
):    
print(a.attrs.get('
href
'))

取出所有li標籤的所有內容

#

取出所有li標籤的所有內容
for li in soup.find_all('li'
):    
print(li.contents)

取出第2個li標籤的a標籤的第3個div標籤的屬性

#

取出第2個li標籤的a標籤的第3個div標籤的屬性
print(soup.find_all('
li')[1].a.find_all('
div')[2].attrs)

#

print(soup.select('
.news-list-title
')[0].text)
print(soup.select('
li')[0].a.attrs['
href'])
print(soup.select('
.news-list-info > p
')[0].text)
print(soup.select('
.news-list-info > p
')[1].text)

網路爬蟲基礎練習

收藏0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。1.利用requests.get url 獲取網頁頁面的html檔案 import requests newsurl res requests.get newsurl 返回response物件 res.encoding utf 8 2.利用...

網路爬蟲基礎練習

0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。this is paragraph 1.段落2廣州商學院 我校校長楊文軒教授講授新學期 思政第一課 3月27日下午，我校校長楊文軒教授在第四教學樓310室為學生講授了新學期 思政第一課 2018 03 28 馬克思主義學院 1.利用reques...

網路爬蟲基礎練習

1.利用requests.get url 獲取網頁頁面的html檔案，利用beautifulsoup的html解析器，生成結構樹 import requests from bs4 import beautifulsoup url res requests.get url res.encoding u...