1,beautifulsoup的中文文档：https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/

2,

from bs4 import BeautifulSoup

html_doc = """

<html><head><title>The Dormouse's story</title></head>

<body>

<p class="title"><b>The Dormouse's story</b></p>

<p class="story">Once upon a time there were three little sisters; and their names were

<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,

<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and

<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;

and they lived at the bottom of a well.</p>

<p class="story">...</p>

""";

soup = BeautifulSoup(html_doc);

print(soup.prettify())

1）soup.prettify()的作用是把html格式化输出

2)在输出是会发出警告：No parser was explicitly specified, so I'm using the best available HTML parser for this system。这是因为没有解析器。所以需要安装解析器。如下图：

3）soup = BeautifulSoup(html_doc,"html.parser");//这个就可以加入解析器

print(soup.prettify())

4）soup.title  #获取title内容<title>The Dormouse's story</title>

  soup.标签名  #获取对应的标签。（系统当前第一个）

soup.find_all('a') #打印出所有‘a’标签 返回的是一个数组
soup.find(id="link3") #打印出对应id页面

for link in soup.find_all('a'): #这个用来遍历

print(link.get('id'))

#在遍历class时候返回的是一个数组 
print(link.get('class'))
#['sister1']
#['sister2']
#['sister3']

soup.get_text() #这个是用来获取所有的文字

soup.find('p',{'class':'story'})) #这个里面是获取p标签下的class=story所有信息 注：这里因为class是关键字所以不能使用find('class':'story')
soup.find('p',{'class':'story'}).string) # 结果为none
 

5）可以通过政策表达式来 match() 来匹配内容.下面例子中找出所有以b开头的标签,这表示<body>和<b>标签都应该被找到:

import re

for tag in soup.find_all(re.compile("^b")):

    print(tag.name)

（5.1），python的正则表达式

（注：图片来源https://www.cnblogs.com/huxi/archive/2010/07/04/1771073.html）



 
												


											
python爬虫入门--beautifulsoup的更多相关文章
	

    
								
  1. Python 爬虫入门(二)——爬取妹子图
		
    Python 爬虫入门 听说你写代码没动力?本文就给你动力,爬取妹子图.如果这也没动力那就没救了. GitHub 地址: https://github.com/injetlee/Python/blob ...
    
		
    2. 
						
  2. Python 爬虫入门之爬取妹子图
		
    Python 爬虫入门之爬取妹子图 来源:李英杰  链接: https://segmentfault.com/a/1190000015798452 听说你写代码没动力?本文就给你动力,爬取妹子图.如果 ...
    
		
    3. 
						
  3. Python爬虫入门一之综述
		
    大家好哈,最近博主在学习Python,学习期间也遇到一些问题,获得了一些经验,在此将自己的学习系统地整理下来,如果大家有兴趣学习爬虫的话,可以将这些文章作为参考,也欢迎大家一共分享学习经验. Pyth ...
    
		
    4. 
						
  4. python爬虫入门-开发环境与小例子
		
    python爬虫入门 开发环境 ubuntu 16.04 sublime pycharm requests库 requests库安装: sudo pip install requests 第一个例子  ...
    
		
    5. 
						
  5. Python爬虫入门教程 48-100 使用mitmdump抓取手机惠农APP-手机APP爬虫部分
		
    1. 爬取前的分析 mitmdump是mitmproxy的命令行接口,比Fiddler.Charles等工具方便的地方是它可以对接Python脚本. 有了它我们可以不用手动截获和分析HTTP请求和响应 ...
    
		
    6. 
						
  6. Python爬虫入门教程 43-100 百思不得姐APP数据-手机APP爬虫部分
		
    1. Python爬虫入门教程 爬取背景 2019年1月10日深夜,打开了百思不得姐APP,想了一下是否可以爬呢?不自觉的安装到了夜神模拟器里面.这个APP还是比较有名和有意思的. 下面是百思不得姐的 ...
    
		
    7. 
						
  7. Python爬虫入门之正则表达式
		
    在前面我们已经搞定了怎样获取页面的内容,不过还差一步,这么多杂乱的代码夹杂文字我们怎样把它提取出来整理呢?下面就开始介绍一个十分强大的工具,正则表达式! 1.了解正则表达式 正则表达式是对字符串操作的 ...
    
		
    8. 
						
  8. Python爬虫入门之Cookie的使用
		
    本节我们一起来看一下Cookie的使用. 为什么要使用Cookie呢? Cookie,指某些网站为了辨别用户身份.进行session跟踪而储存在用户本地终端上的数据(通常经过加密) 比如说有些网站需要 ...
    
		
    9. 
						
  9. Python爬虫入门之Urllib库的高级用法
		
    1.设置Headers 有些网站不会同意程序直接用上面的方式进行访问,如果识别有问题,那么站点根本不会响应,所以为了完全模拟浏览器的工作,我们需要设置一些Headers 的属性. 首先,打开我们的浏览 ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. LeetCode 27. Remove Element （移除元素）
			
    Given an array and a value, remove all instances of that value in place and return the new length. D ...
    
			
    2. 
						
  2. 关于Python输出时间戳的问题
			
    在我们的程序中,有时候想要知道程序的执行时间或者准确的停止时间,这时候就需要我们自己添加一个时间戳,以便我们做出判断和相应的处理. 下面是我亲测并收集的资料,菜鸟一枚,不全之处大神可给予补充和指正.  ...
    
			
    3. 
						
  3. lintcode 132 模式
			
    题目要求 给你一个 n 个整数的序列 a1,a2,...,an,一个 132 模式是对于一个子串 ai,aj,ak,满足 i < j < k 和 ai < ak < aj.设计 ...
    
			
    4. 
						
  4. window下eclipse4.5+hadoop2.6.1开发环境配置
			
    1.准备: eclipse4.5,hadoop2.6.1,hadoop-eclipse-plugin-2.6.0.jar. 2.eclipse配置 eclipse->windows->Pr ...
    
			
    5. 
						
  5. 多项式求和，素数判定 HDU2011.2012
			
    HDU 2011:多项式求和 Description 多项式的描述如下: 1 - 1/2 + 1/3 - 1/4 + 1/5 - 1/6 + ... 现在请你求出该多项式的前n项的和.   Input ...
    
			
    6. 
						
  6. URLs对象  blob URL
			
    把指向数据的URL保存到file或者blob对象里,好处就是不需要先文件读取内容然后才能用.   function createObjectURL(blob){if (window.URL){retu ...
    
			
    7. 
						
  7. C#中结构体定义并转换字节数组
			
    最近的项目在做socket通信报文解析的时候,用到了结构体与字节数组的转换:由于客户端采用C++开发,服务端采用C#开发,所以双方必须保证各自定义结构体成员类型和长度一致才能保证报文解析的正确性,这一 ...
    
			
    8. 
						
  8. MUI开发记录——我的考勤
			
    已经好久没有更新技术博客了,因为最近一直在做跨平台web app应用的开发,由于是刚做这个,也没太多经验同大家分享,可我是一个闲不住的人,我还是决定于百忙之中抽空整理一篇,记录下开发历程......— ...
    
			
    9. 
						
  9. Hadoop 2.2.0单节点的伪分布集成环境搭建
			
    Hadoop版本发展历史 第一代Hadoop被称为Hadoop 1.0 1)0.20.x 2)0.21.x 3)0.22.x 第二代Hadoop被称为Hadoop 2.0(HDFS Federatio ...
    
			
    10. 
						
  10. SQLServer2008R2 发布订阅及相关问题解决办法
			
    前言: 前两天接到领导的任务,将一个系统A的客户数据同步到另一个系统B中,以后客户录入入口只有A系统,B系统不提供录入入口,因为各种原因不能使用接口方式A系统和B系统直接交互同步,只能通过数据库重A库 ...
    
			
    11.