国产xxxx99真实实拍_久久不雅视频_高清韩国a级特黄毛片_嗯老师别我我受不了了小说

資訊專欄INFORMATION COLUMN

python爬蟲之BeautifulSoup

Rocko / 640人閱讀

摘要：爬蟲之簡介提供一些簡單的式的函數(shù)用來處理導(dǎo)航搜索修改分析樹等功能。自動將輸入文檔轉(zhuǎn)換為編碼，輸出文檔轉(zhuǎn)換為編碼。已成為和一樣出色的解釋器，為用戶靈活地提供不同的解析策略或強(qiáng)勁的速度。

python爬蟲之BeautifulSoup 簡介 
**Beautiful Soup提供一些簡單的、python式的函數(shù)用來處理導(dǎo)航、搜索、修改分析樹等功能。它是一個工具箱，通過解析文檔為用戶提供需要抓取的數(shù)據(jù)，因為簡單，所以不需要多少代碼就可以寫出一個完整的應(yīng)用程序。Beautiful Soup自動將輸入文檔轉(zhuǎn)換為Unicode編碼，輸出文檔轉(zhuǎn)換為utf-8編碼。你不需要考慮編碼方式，除非文檔沒有指定一個編碼方式，這時，Beautiful Soup就不能自動識別編碼方式了。然后，你僅僅需要說明一下原始編碼方式就可以了。
Beautiful Soup已成為和lxml、html6lib一樣出色的python解釋器，為用戶靈活地提供不同的解析策略或強(qiáng)勁的速度。**
安裝 
pip install BeautifulSoup4


easy_install BeautifulSoup4
創(chuàng)建BeautifulSoup對象 
首先應(yīng)該導(dǎo)入BeautifulSoup類庫 from bs4 import BeautifulSoup


下面開始創(chuàng)建對像，在開始之前為了方便演示，先創(chuàng)建一個html文本，如下：


html = """
The Dormouse"s story


The Dormouse"s story


Once upon a time there were three little sisters; and their names were
,
Lacie and
Tillie;
and they lived at the bottom of a well.


...

"""
創(chuàng)建對象：soup=BeautifulSoup(html,"lxml"),這里的lxml是解析的類庫，目前來說個人覺得最好的解析器了，一直在用這個，安裝方法：pip install lxml
Tag 
Tag就是html中的一個標(biāo)簽，用BeautifulSoup就能解析出來Tag的具體內(nèi)容，具體的格式為soup.name,其中name是html下的標(biāo)簽，具體實例如下：



print soup.title輸出title標(biāo)簽下的內(nèi)容，包括此標(biāo)簽，這個將會輸出The Dormouse"s story


print soup.head
注意： 
這里的格式只能獲取這些標(biāo)簽的第一個，后面會講到獲取多個標(biāo)簽的方法。其中對于Tag有兩個重要的屬性name和attrs,分別表示名字和屬性,介紹如下：


name:對于Tag，它的name就是其本身，如soup.p.name就是p


attrs是一個字典類型的，對應(yīng)的是屬性-值，如print soup.p.attrs,輸出的就是{"class": ["title"], "name": "dromouse"},當(dāng)然你也可以得到具體的值，如print soup.p.attrs["class"],輸出的就是[title]是一個列表的類型，因為一個屬性可能對應(yīng)多個值,當(dāng)然你也可以通過get方法得到屬性的，如：print soup.p.get("class")。還可以直接使用print soup.p["class"]
get 
get方法用于得到標(biāo)簽下的屬性值，注意這是一個重要的方法，在許多場合都能用到，比如你要得到標(biāo)簽下的圖像url,那么就可以用soup.img.get("src"),具體解析如下：
    print soup.p.get("class")   #得到第一個p標(biāo)簽下的src屬性
string 
得到標(biāo)簽下的文本內(nèi)容，只有在此標(biāo)簽下沒有子標(biāo)簽，或者只有一個子標(biāo)簽的情況下才能返回其中的內(nèi)容，否則返回的是None具體實例如下：
    print soup.p.string #在上面的一段文本中p標(biāo)簽沒有子標(biāo)簽，因此能夠正確返回文本的內(nèi)容
    
    print soup.html.string  #這里得到的就是None,因為這里的html中有很多的子標(biāo)簽
get_text() 
可以獲得一個標(biāo)簽中的所有文本內(nèi)容，包括子孫節(jié)點的內(nèi)容，這是最常用的方法
搜索文檔樹 find_all( name , attrs , recursive , text , **kwargs ) 
find_all是用于搜索節(jié)點中所有符合過濾條件的節(jié)點


name參數(shù)：是Tag的名字，如p,div,title .....


soup.find_all("p")  查找所有的p標(biāo)簽，返回的是[The Dormouse"s story]，可以通過遍歷獲取每一個節(jié)點，如下：


    ps=soup.find_all("p")
    for p in ps:
        print p.get("class")   #得到p標(biāo)簽下的class屬性
傳入正則表達(dá)式：soup.find_all(re.compile(r"^b")查找以b開頭的所有標(biāo)簽，這里的body和b標(biāo)簽都會被查到


傳入類列表：如果傳入列表參數(shù),BeautifulSoup會將與列表中任一元素匹配的內(nèi)容返回.下面代碼找到文檔中所有標(biāo)簽和標(biāo)簽


soup.find_all(["a", "b"])   

KeyWords參數(shù)，就是傳入屬性和對應(yīng)的屬性值，或者一些其他的表達(dá)式


soup.find_all(id="link2"),這個將會搜索找到所有的id屬性為link2的標(biāo)簽。傳入正則表達(dá)式soup.find_all(href=re.compile("elsie")),這個將會查找所有href屬性滿足正則表達(dá)式的標(biāo)簽


傳入多個值：soup.find_all(id="link2",class_="title") ,這個將會查找到同時滿足這兩個屬性的標(biāo)簽，這里的class必須用class_傳入?yún)?shù)，因為class是python中的關(guān)鍵詞


有些屬性不能通過以上方法直接搜索，比如html5中的data-*屬性，不過可以通過attrs參數(shù)指定一個字典參數(shù)來搜索包含特殊屬性的標(biāo)簽，如下：




# [
foo!
]
data_soup.find_all(attrs={"data-foo": "value"})   #注意這里的atts不僅能夠搜索特殊屬性，亦可以搜索普通屬性

soup.find_all("p",attrs={"class":"title","id":"value"})  #相當(dāng)與soup.find_all("p",class_="title",id="value")


text參數(shù)：通過 text 參數(shù)可以搜搜文檔中的字符串內(nèi)容.與 name 參數(shù)的可選值一樣, text 參數(shù)接受 字符串 , 正則表達(dá)式 , 列表, True
soup.find_all(text="Elsie")
# [u"Elsie"]
 
soup.find_all(text=["Tillie", "Elsie", "Lacie"])
# [u"Elsie", u"Lacie", u"Tillie"]
 
soup.find_all(text=re.compile("Dormouse"))
[u"The Dormouse"s story", u"The Dormouse"s story"]
limit參數(shù)：find_all() 方法返回全部的搜索結(jié)構(gòu),如果文檔樹很大那么搜索會很慢.如果我們不需要全部結(jié)果,可以使用 limit 參數(shù)限制返回結(jié)果的數(shù)量.效果與SQL中的limit關(guān)鍵字類似,當(dāng)搜索到的結(jié)果數(shù)量達(dá)到 limit 的限制時,就停止搜索返回結(jié)果.


文檔樹中有3個tag符合搜索條件,但結(jié)果只返回了2個,因為我們限制了返回數(shù)量,代碼如下：


soup.find_all("a", limit=2)
# [Elsie,
#  Lacie]
recursive 參數(shù):調(diào)用tag的 find_all() 方法時,BeautifulSoup會檢索當(dāng)前tag的所有子孫節(jié)點,如果只想搜索tag的直接子節(jié)點,可以使用參數(shù) recursive=False
find( name , attrs , recursive , text , **kwargs ) 
它與 find_all() 方法唯一的區(qū)別是 find_all() 方法的返回結(jié)果是值包含一個元素的列表,而 find() 方法直接返回結(jié)果,就是直接返回第一匹配到的元素，不是列表，不用遍歷，如soup.find("p").get("class")
css選擇器 
我們在寫 CSS 時，標(biāo)簽名不加任何修飾，類名前加點，id名前加#，在這里我們也可以利用類似的方法來篩選元素，用到的方法是 soup.select()，返回類型是 list
通過標(biāo)簽名查找 
print soup.select("title") 
#[The Dormouse"s story]


print soup.select("a")
#[, Lacie, Tillie]
通過類名查找 
print soup.select(".sister")
#[, Lacie, Tillie]
通過id名查找 
print soup.select("#link1")
#[]
組合查找 
學(xué)過css的都知道css選擇器，如p #link1是查找p標(biāo)簽下的id屬性為link1的標(biāo)簽
print soup.select("p #link1")    #查找p標(biāo)簽中內(nèi)容為id屬性為link1的標(biāo)簽
#[]

print soup.select("head > title")   #直接查找子標(biāo)簽
#[The Dormouse"s story]
屬性查找 
查找時還可以加入屬性元素，屬性需要用中括號括起來，注意屬性和標(biāo)簽屬于同一節(jié)點，所以中間不能加空格，否則會無法匹配到。
print soup.select("a[class="sister"]")
#[, Lacie, Tillie]


print soup.select("a[)
#[]
同樣，屬性仍然可以與上述查找方式組合，不在同一節(jié)點的空格隔開，同一節(jié)點的不加空格,代碼如下：
print soup.select("p a[)
#[]
以上的 select 方法返回的結(jié)果都是列表形式，可以遍歷形式輸出，然后用 get_text() 方法來獲取它的內(nèi)容
soup = BeautifulSoup(html, "lxml")
print type(soup.select("title"))
print soup.select("title")[0].get_text()

for title in soup.select("title"):
    print title.get_text()
更多文章請移步本人博客

文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。

轉(zhuǎn)載請注明本文地址：http://specialneedsforspecialkids.com/yun/38615.html

相關(guān)文章

  • Python 爬蟲之模擬登陸CSND

    摘要：它也會在同一個實例發(fā)出的所有請求之間保持，期間使用的功能。而主要是方便解析源碼，從中獲取請求需要的一些參數(shù)完整代碼請輸入賬號請輸入密碼項目地址模擬京東登錄吐槽群 Python 爬蟲之模擬登陸CSND 工具 基本的腳本語言是Python，雖然不敢說是最好的語言，至少是最好的之一（0.0），用模擬登陸，我們需要用到多個模塊，如下： requests BeautifulSoup requ...

    firim 評論0 收藏0

  • Python爬蟲之使用Fiddler+Postman+Python的requests模塊爬取各國國旗

    摘要：流程作為上述過程的一個演示，我們使用的網(wǎng)址為頁面如下在表單中輸入德國，跳轉(zhuǎn)后的頁面如下我們可以發(fā)現(xiàn)，在搜索的結(jié)果中，會出現(xiàn)德國這個搜索結(jié)果。點擊該搜索結(jié)果，跳轉(zhuǎn)后的頁面如下在這個頁面中有我們需要的德國的國旗。 介紹 ??本篇博客將會介紹一個Python爬蟲，用來爬取各個國家的國旗，主要的目標(biāo)是為了展示如何在Python的requests模塊中使用POST方法來爬取網(wǎng)頁內(nèi)容。??為了知道...

    laoLiueizo 評論0 收藏0

  • Python爬蟲之多線程下載豆瓣Top250電影圖片

    摘要：本次爬蟲項目將會用到模塊中的類，多線程豆瓣電影圖片。總結(jié)通過上述兩個爬蟲程序的對比，我們不難發(fā)現(xiàn)，同樣是下載豆瓣電影，個網(wǎng)頁中的圖片，在沒有使用多線程的情況下，總共耗時約，而在使用多線程個線程的情況下，總共耗時約秒，效率整整提高了約倍。 爬蟲項目介紹 ??本次爬蟲項目將爬取豆瓣Top250電影的圖片，其網(wǎng)址為：https://movie.douban.com/top250， 具體頁面如...

    shiyang6017 評論0 收藏0

  • Python爬蟲之自制英漢字典

    摘要：筆者看到了，覺得還蠻有意思的，因此，決定自己也寫一個玩玩首先我們的爬蟲要能將英語單詞翻譯成中文，因此，我們就需要一個網(wǎng)站幫助我們做這件事情。 ??最近在微信公眾號中看到有人用Python做了一個爬蟲，可以將輸入的英語單詞翻譯成中文，或者把中文詞語翻譯成英語單詞。筆者看到了，覺得還蠻有意思的，因此，決定自己也寫一個玩玩~~??首先我們的爬蟲要能將英語單詞翻譯成中文，因此，我們就需要一個網(wǎng)...

    graf 評論0 收藏0

  • Python爬蟲教學(xué)(寫給入門的新手) 一

    摘要：在不懂和等協(xié)議的情況下，我直接打個比方來解釋一下什么是請求，以瀏覽器為例，人在瀏覽器輸入，然后敲擊鍵，直到頁面出現(xiàn)，整個過程，我們可以抽象為我們向百度服務(wù)器發(fā)起的一次請求。更專業(yè)，更詳細(xì)的解釋，自己去百度學(xué)習(xí)吧。 前言 ??剛學(xué)完python基礎(chǔ)，想學(xué)習(xí)爬蟲的新手，這里有你想要的東西。??本文著重點在于教新手如何學(xué)習(xí)爬蟲，并且會以外行人的思維進(jìn)行形象地講解。最近我一兄弟想學(xué)，我就想寫個...

    zone 評論0 收藏0

發(fā)表評論

0條評論

最新活動
閱讀需要支付1元查看
<