zoukankan      html  css  js  c++  java
  • 网络爬虫基础教程

    0.可以新建一个用于练习的html文件,在浏览器中打开。

    1.利用requests.get(url)获取网页页面的html文件

    import requests

    newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/'

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

    res.encoding='utf-8'

    2.利用BeautifulSoup的HTML解析器,生成结构树

    from bs4 import BeautifulSoup

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

    3.找出特定标签的html元素

    soup.p #标签名,返回第一个

    soup.head

    soup.p.name #字符串

    soup.p. attrs #字典,标签的所有属性

    soup.p. contents # 列表,所有子标签

    soup.p.text #字符串

    soup.p.string

    soup.select(‘li')

    4.取得含有特定CSS属性的元素

    soup.select('#p1Node')

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

    5.练习:

    取出h1标签的文本
    取出a标签的链接
    取出所有li标签的所有内容
    取出一条新闻的标题、链接、发布时间、来源

    soup.h1.text
    
    soup.a.attrs['href']
    
    for i in soup.select('li'):
        print(i.contents)
    
    soup.select('li')[1].a.select('div')[2]
    
    
    soup.select('.news-list-title')[0].text
    
    soup.select('li')[1].a.attrs['href']
    
    
    soup.select('.news-list-info')[0].contents[0].text
    
    
    soup.select('.news-list-info')[0].contents[1].text
    

      

  • 相关阅读:
    宝塔面板的数据库使用
    Spring MVC入门
    从分式第n项到线性递推——bostan-mori 算法的扩展应用
    计算几何专题训练
    博客整理
    wpf ScrollViewer自动滚到最上
    word2Vec笔记2021
    好用工具备份
    Samtools pick up seq
    Ryzen核显需要扩大显存吗?
  • 原文地址:https://www.cnblogs.com/Runka/p/8670753.html
Copyright © 2011-2022 走看看