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。

"en

">
"p1node
">this is paragraph 1.
"p2node
">段落2
"">廣州商學院
"">
class="
news-list-text
">
class="
news-list-title
" style="">我校校長楊文軒教授講授新學期「思政第一課」
class="
news-list-description
">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」。
class="
news-list-info
">class="
fa fa-clock-o
">2018-03-28
class="
fa fa-building-o
">馬克思主義學院

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'

import

requests
newsurl = '
'res =requests.get(newsurl)
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')

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')

soup.p

soup.head
soup.p.name
soup.p.attrs
soup.p.contents
soup.p.text
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')

soup.select('

#p1node')
soup.select(
'.news-list-title
')

5.練習：

取出h1標籤的文字

取出a標籤的鏈結

print(soup.a.attrs['

href'])
print(soup.li.a.attrs['
href
'])

取出所有li標籤的所有內容

for b in soup.select('li'

):    
print(b)

print(soup.select('

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

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be...

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...