zoukankan      html  css  js  c++  java
  • 网络爬虫基础练习

    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'
    print(res.text)
    

    结果截图

     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

    print(soup.body.div.div)
    print(soup.body.div.div.contents)
    print(soup.head)
    print(soup.head.text)
    print(soup.select('li'))
    

      

    4.取得含有特定CSS属性的元素

    print(soup.select('.container'))
    print(soup.select('#top'))
    

    取出h1标签的文本

    print(soup.body.h1.text)
    

    取出a标签的链接

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

    取出所有li标签的所有内容

    print(soup.body.li.text)
    print(soup.body.li.contents)
    

    取出一条新闻的标题、链接、发布时间、来源

    s0=soup.select('.news-list-title')[0].text
    s3=soup.body.li.a.attrs['href']
    s1=soup.select('.news-list-info')[0].contents[0].text
    s2=soup.select('.news-list-info')[0].contents[1].text
    

      

     

  • 相关阅读:
    P1270 【“访问”美术馆】
    SP14932 【LCA
    NOI 题库 9272 题解
    Code[VS] 1230 题解
    20161022 NOIP模拟赛 T1 解题报告
    20161023 NOIP 模拟赛 T2 解题报告
    20161023 NOIP 模拟赛 T1 解题报告
    20161022 NOIP模拟赛 解题报告
    POJ 1979 题解
    POJ 1160 题解
  • 原文地址:https://www.cnblogs.com/cktcom/p/8671722.html
Copyright © 2011-2022 走看看