python操作html文件,python bs4获取标签文本

　　美汤概述(简称bs4)。

　　一个Python库，可以从HTML或XML文件中提取数据。您可以使用您喜欢的转换器来导航、搜索和修改常规文档，从而节省时间。

　　所有的物体都可以分为四类。

　　标签:标签对象，例如

　　yoyoketang

　　这是标签中的可导航字符串。正文，比如，这里是我的微信微信官方账号：yoyoketagn

　　美丽的汤：整个html对象

　　评论：比如评论对象！-对于HTML5 -，这实际上是一个特殊的可导航字符串。

　　安装pip安装beautifulsoup4

　　1.从标签的名称中获取标签对象。如果有多个相同的标记名，将返回第一个soup.head。

　　2.获取标签soup.head.title.string的文本

　　3.tag.attrs可以打印所有属性并恢复为字典格式。获取其中一个属性，与操作字典相同，如tag.attrs[href]或tag[href]。因为通常有许多中间有间隔的类属性，所以类属性

　　4.查找元素，find_all查找满足所有请求的内容，返回一个list对象。

　　5.get_text))获取tag标签下的所有文本。

　　6.替换字符串中的特殊字符。

　　练习1

　　从bs4导入BeautifulSoup

　　htmldemo=

　　yoyoketang

　　这是我的微信微信官方账号。yoyoketang

　　拉菲德勒教程

　　电脑笔记本

　　Selenium文档

　　赶紧注意！

　　""

　　#html.parser是一个解析器。

　　soup=beautifulsoup(htmldemo， html.parser ).

　　获取#标签标题

　　Print (soup.head))。

　　获取#字符

　　Print (soup.head.title.string))。

　　Print (soup.a.attrs))。

　　print(soup.a.attrs[href]

　　print(soup.a[href]

　　#class search不能使用class直接搜索。class_=姐姐

　　s=soup.find_all(class_=sister ).

　　#第二次搜索

　　S2=s[0]。find_all(id=p ).

　　按#id搜索

　　m=soup.find_all(id=link3 )).

　　获取#标签下的所有文本。

　　t=soup.body.get_text(

　　练习2

　　从bs4导入BeautifulSoup

　　导入请求

　　导入操作系统

　　#请求获取所有图像URL和标题的图像地址

　　r=requests . get(http://699 pic.com/sousuo-218808-13-1.html))))).

　　soup=beautifulsoup(r.content， html.parser ).

　　images=soup . find _ all(class _= lazy )).

　　cur path=OS . path . dirname(OS . path . real path(_ _ file _ _))

　　对于图像中的我：

　　jpg_url=i[data-original]

　　title=i[title]

　　打印(jpg _ URL))

　　是打印(标题)

　　打印()。

　　#下载获取的图像，并将其下载到curpath，其名称为title.jpg。

　　withopen(Curpath(((标题)。jpg)、(wb))作为f:

　　f.write(requests.get ) jpg _ URL(。内容)).

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。