爬虫入门_抓取html页面元素

最新推荐文章于 2025-06-24 09:00:56 发布

Position00

最新推荐文章于 2025-06-24 09:00:56 发布

阅读量1.5k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python

本文链接：https://blog.youkuaiyun.com/GistTAT/article/details/79080007

python 专栏收录该内容

1 篇文章

订阅专栏

通过Python的urllib和BeautifulSoup库，实现从指定URL抓取HTML页面中的<title>元素。首先尝试打开URL，处理HTTP错误和URL错误，然后解析HTML，查找<body>标签内的<h1>标题。如果找不到<h1>标签，则返回None。示例代码中展示了如何获取指定新浪博客文章的标题。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

from urllib.request import urlopen
from urllib.error import HTTPError,URLError
from bs4 import BeautifulSoup

#创建getTitle函数
def getTitle(url):
    #排除网页不存在、服务器不存在问题
    try:
        html=urlopen(url)
    except(HTTPError,URLError) as e:
        return None
    #排除body标签里面没有H1标签问题
    try:
        bsObj=BeautifulSoup(html.read())
        title=bsObj.body.h1
    except AttributeError as e:
        return None
    #返回<body>标签里的<h1>标签
    return title

title=getTitle("http://blog.sina.com.cn/s/blog_de7bd4850102xgad.html")
if title ==None:
    print("title could not be found")
else:
    print(title)