3、网页解析器---Beautiful Soup

最新推荐文章于 2025-12-16 10:44:31 发布

原创最新推荐文章于 2025-12-16 10:44:31 发布 · 134 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #开发语言

爬虫专栏收录该内容

3 篇文章

订阅专栏

文章演示了如何利用Python的BeautifulSoup库解析HTML文档，提取页面上的链接和文本内容。示例代码展示了查找所有a标签以及获取特定href链接的方法。

Beautiful Soup是python的第三方库，用于从HTML或XML中提取数据

在这里插入图片描述

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>
"""
#【html_doc该文件是去官网下载的】
#根据HTML网页字符串创建BeautifulSoup对象
soup=BeautifulSoup(
            html_doc,                  #HTML文档字符串
            'html.parser',             #HTML解析器
            from_encoding= 'utf-8'      #HTML文档的编码
)
print('接下来获取节点信息')
# 获取所有链接
links=soup.find_all('a')
for link in links:
    print(link.name,link['href'],link.get_text())
    '''输出  a http://example.com/elsie Elsie
            a http://example.com/lacie Lacie
            a http://example.com/tillie Tillie
    '''
# 获取某一个链接
link_node=soup.find('a',href='http://example.com/lacie')
print(link_node.name,link_node['href'],link.get_text())
'''输出a http://example.com/lacie Tillie'''