網路爬蟲基礎練習

0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。

this is paragraph 1.
段落2廣州商學院
我校校長楊文軒教授講授新學期「思政第一課」
3月27日下午，我校校長楊文軒教授在第四教學樓310室為學生講授了新學期「思政第一課」。
2018-03-28
馬克思主義學院

1.利用requests.get(url)獲取網頁頁面的html檔案

import requests

newsurl = ''
res =requests.get(newsurl)
res.encoding='utf-8'

2.利用beautifulsoup的html解析器，生成結構樹

from bs4 import beautifulsoup

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

3.找出特定標籤的html元素

soup.p

soup.head
soup.p.name
soup.p.attrs
soup.p.contents
soup.p.text
soup.p.string
soup.select('li')

4.取得含有特定css屬性的元素

soup.select('#p1node')

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

5.練習：

取出h1標籤的文字

取出a標籤的鏈結

b=soup.a.attrs['href']

c=soup.li.a.attrs['href']
print(b)
print(c)

取出所有li標籤的所有內容

for d in soup.select('li'):

print(d)

a0 =soup.select('.news-list-title')[0].text

print(a0)
a1 =soup.li.a.attrs['href']
print(a1)
a2=soup.select('.news-list-info')[0].contents[0].text
print(a2)
a3 =soup.select('.news-list-info')[0].contents[1].text
print(a3)

網路爬蟲基礎練習

0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。1.利用requests.get url 獲取網頁頁面的html檔案 import requests newsurl res requests.get newsurl 返回response物件 res.encoding utf 8 2.利用be...

網路爬蟲基礎練習

收藏0.可以新建乙個用於練習的html檔案，在瀏覽器中開啟。1.利用requests.get url 獲取網頁頁面的html檔案 import requests newsurl res requests.get newsurl 返回response物件 res.encoding utf 8 2.利用...

網路爬蟲基礎練習

1.利用requests.get url 獲取網頁頁面的html檔案，利用beautifulsoup的html解析器，生成結構樹 import requests from bs4 import beautifulsoup url res requests.get url res.encoding u...