Posted on 

2018-03-29 21:54  阅读(9) 评论(0)  

0.可以新建一个用于练习的html文件，在浏览器中打开。

 

1.利用requests.get(url)获取网页页面的html文件

import requests

newsurl='http://news.gzcc.cn/html/xiaoyuanxinwen/'

res = requests.get(newsurl) #返回response对象

res.encoding='utf-8'

 

2.利用BeautifulSoup的HTML解析器，生成结构树

from bs4 import BeautifulSoup

soup = BeautifulSoup(res.text,'html.parser')

 

3.找出特定标签的html元素

soup.p #标签名，返回第一个

soup.head

soup.p.name #字符串

soup.p. attrs #字典，标签的所有属性

soup.p. contents # 列表，所有子标签

soup.p.text #字符串

soup.p.string

soup.select(‘li')

 

4.取得含有特定CSS属性的元素

soup.select('#p1Node')

soup.select('.news-list-title')

 

5.练习：

取出h1标签的文本

取出a标签的链接

取出所有li标签的所有内容

取出第2个li标签的a标签的第3个div标签的属性

取出一条新闻的标题、链接、发布时间、来源

 

# -*- coding : UTF-8 -*-# -*- author : onexiaofeng -*-import requestsurl='http://localhost:63342/hello/venv/lz.html?_ijt=l26l1kkfr4kkmba1tsi16auibm'res=requests.get(url)res.encoding='utf-8'res.textfrom bs4 import BeautifulSoupsoup=BeautifulSoup(res.text,'html.parser')soupprint(soup.h1.text)print(soup.a['href'])for i in soup.select('li'):    print(i)print(soup.select('li')[1].a.select('div')[2].attrs)print('标题：'+soup.select('.news-list-title')[0].text)print('链接：'+soup.select('a')[2]['href'])print('发布时间：'+soup.select('.news-list-info')[0].span.text)print('来源：'+soup.select('.news-list-info')[0].select('span')[1].text)

截图：