使用BeautifulSoup庫進行爬蟲

2022-09-09 23:21:41 字數 1438 閱讀 8767

pip install beautifulsoup4
要求:

爬取該頁面的7天天氣資料

通過審查元素我們可以肯定我們需要的資訊都包含在div id="7d"裡

**編寫:

#!/usr/bin/env python


# -*- coding:utf-8 -*-


import requests


from bs4 import beautifulsoup


url = ''


#使用request爬取網頁資訊


def gethtmltext(url,timeout=30):


try:


r=requests.get(url,timeout=30)


r.raise_for_status() #如果狀態碼不是200則返回異常


return r.text


except:


return '出現異常'


def get_data(html):


final_list = 


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


body = soup.body


data = body.find('div',) #查詢div中id為7d的標籤


ul = data.find('ul')


lis = ul.find_all('li')


for day in lis:


temp_list = 


date = day.find('h1').string #找到日期


#找到所有p標籤


info = day.find_all('p')


#第乙個p標籤沒有i標籤


#最高溫度 有可能沒有


if info[1].find('span'):


weather_high = info[1].find('span').string


#最低溫度


if info[1].find('i'):


weather_low = info[1].find('i').string


#風級wind_scale = info[2].find('i').string


return final_list


def main():


list = get_data(gethtmltext(url))


print(list)


if __name__ == '__main__':


main()
結果:

BeautifulSoup 安裝使用

linux環境 1.安裝 方法一 解壓 tar xzvf beautifulsoup4 4.2.0.tar.gz 安裝 進入解壓後的目錄 python setup.py build sudo python setup.py install 方法二 快速安裝 ubuntu sudo apt get i...

BeautifulSoup使用相關知識

1基礎使用，獲取某一 內容的h1標籤 2複雜html解析 print name.get text get text 清除標籤，只保留內容 4通過網際網路採集 外鏈 from urllib.request import urlopen from bs4 import beautifulsoup imp...

使用BeautifulSoup解析HTML

通過css屬性來獲取對應的標籤，如下面兩個標籤 可以通過class屬性抓取網頁上所有的紅色文字，具體 如下 from urllib.request import urlopen from bs4 import beautifulsoup html urlopen bsobj beautifulsou...