99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁(yè)精彩閱讀Python爬蟲利器BeautifulSoup解析！
Python爬蟲利器BeautifulSoup解析！
2020-05-14
收藏

BeautifulSoup是一種可以從html和xml中快速提取內(nèi)容的python庫(kù)，共有四種類型，對(duì)于爬蟲解析來(lái)說(shuō)，主要用其中的遍歷文檔樹和搜索文檔樹。


來(lái)自BeautifulSoup的官方的一個(gè)示例，使用的是HTML文本


The Dormouse's story


Once upon a time there were three little sisters; and their names were

Elsie,
Lacie and
Tillie;

and they lived at the bottom of a well.


...



1.導(dǎo)入模塊   from bs4import BeautifulSoup


2.創(chuàng)建beautifulsoup對(duì)象  


beautifulobj = BeautifulSoup(html_doc)#

print(type(beautifulobj))#beautifulsoup'="">

print(beautifulobj.prettify())#打印按照l(shuí)xml格式的補(bǔ)全代碼，太長(zhǎng)，省略


說(shuō)明：此處在創(chuàng)建對(duì)象時(shí)未指定解析器，默認(rèn)使用的是python自帶的解析器html.parse,原因在于新買的電腦安裝lxml模塊時(shí)失敗，官方推薦使用lxml解析器，可通過(guò)


beautifulobj = BeautifulSoup(html_doc,"lxml")來(lái)指定lxml解析器解析。


Python爬蟲利器BeautifulSoup有四種類型，它們分別是Tag，BeautifulSoup，NavigableString，comment。


Tag類型即節(jié)點(diǎn)，比如HTML中的a標(biāo)簽、p標(biāo)簽等等，tag類型主要有兩個(gè)屬性，name和attributes屬性，可通過(guò).name和.attrs方法獲取屬性值，其中.attrs返回字典類型，并且如果是多值屬性的話，其value是一個(gè)列表；也可通過(guò)["href"]指定輸出特定的屬性值。


print(type(beautifulobj.a))#

print(beautifulobj.p.name)#p，這樣的使用方式，我是懵的，自己都敲進(jìn)去P標(biāo)簽了，感覺自己有點(diǎn)**

print(beautifulobj.p.attrs)#，返回一個(gè)字典，字典的value有可能是個(gè)list， {'class': ['title']}class是個(gè)多值屬性

print(beautifulobj.p["class"])#['title'],此處是個(gè)列表，如果不是多值屬性，輸出就是字符串

print(beautifulobj.a["id"])#link1


BeautifulSoup類型是整個(gè)文檔的根形式，一種特殊的Tag類型,支持遍歷文檔樹和搜索文檔樹的大部分方法，但是沒有name和attrs屬性。


print(type(beautifulobj))#beautifulsoup'="">


NavigableString是tag中的字符串內(nèi)容形式。


print(type(beautifulobj.p.string))#


comment是文檔中的備注類型。


在使用.string時(shí)，可同樣輸出NavigableString和coment類型，如果獲取特定的內(nèi)容而又想與另一種類型區(qū)別對(duì)待時(shí)必須通過(guò)type來(lái)進(jìn)行判斷。


BeautifulSoup是爬蟲必學(xué)的技能之一，大家可以多多了解。


數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼

若不方便掃碼，搜微信號(hào)：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個(gè)參數(shù)驗(yàn)證碼對(duì)象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個(gè)配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺(tái)檢測(cè)極驗(yàn)服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時(shí)表示是新驗(yàn)證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說(shuō)明請(qǐng)參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計(jì)時(shí)完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請(qǐng)輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請(qǐng)輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }