爬取的html和网页不一样原因,网页爬虫 - 【如图】python爬取的html页面和浏览器显示源码的结果不同...

伊谢尔伦2017-04-18 09:33:414楼

经过实测，结论是 bs4 改变了属性的顺序。

1、在浏览器中右键点击页面，选：

审查元素

查看网页源码

2、在 python3 程序中对比：

import re

ptn_tr = re.compile(r'

]+>')

import requests as req

rsp=req.get('http://www.pythonscraping.com/pages/page3.html')

html = rsp.text

print('requests:\t', ptn_tr.findall(html)[0])

from urllib.request import urlopen

rsp = urlopen("http://www.pythonscraping.com/pages/page3.html")

html = rsp.read().decode()

print('urlopen:\t', ptn_tr.findall(html)[0])

from bs4 import BeautifulSoup

html = str(BeautifulSoup(html,"lxml"))

print('bs4Soup:\t', ptn_tr.findall(html)[0])

结果：

requests:

urlopen:

bs4Soup: