Python使用BeautifulSoup提取特定HTML标签内容

最新推荐文章于 2023-09-05 13:39:06 发布

原创最新推荐文章于 2023-09-05 13:39:06 发布 · 1.8w 阅读

9 ·

CC 4.0 BY-SA版权

Python 专栏收录该内容

20 篇文章

订阅专栏

本文介绍如何使用Python的BeautifulSoup库从HTML文档中提取特定标签内容。首先，读取本地HTML文件，然后通过BeautifulSoup解析HTML，找到具有特定class属性的`div`标签，并进一步提取其子`span`标签内的文字信息。

将网页的HTML元代码down到本地，然后读取

#coding=utf-8

from bs4 import BeautifulSoup

import datetime

def getYesterdayTime():
    now_time=datetime.datetime.now()
    yes_time = now_time + datetime.timedelta(days=-1)
    yesterdaytime = yes_time.strftime('%Y%m%d')
    return yesterdaytime


def getUserNamelist():
    namelist = list()
    htmldoc = open('caijiinfo'+getYesterdayTime()+'.html', 'r').read()
    soup = BeautifulSoup(htmldoc, "html.parser")
    lables = soup.find('div', class_="header").find_all("div")[1]
    for i in range(len(lables)):
        namelist.append('_' + lables[i].find('span', class_='row3').string.encode('utf-8') + '_')
    return namelist


if __name__=='__main__':
    namelist=getUserNamelist()
    print namelist