0.信息標(biāo)記的三種形式

信息標(biāo)記的作用

HTML：超文本標(biāo)記

種類：3種
XML


無內(nèi)容則一個尖括號
Json




Yaml

用縮進(jìn)表達(dá)從屬關(guān)系，-表示并列關(guān)系

1.三種信息標(biāo)記形式的比較

2.信息提取的一般方法

import requests from bs4 import BeautifulSoup demo =requests.get( 'https://python123.io/ws/demo.html').text soup = BeautifulSoup(demo,'html.parser') ##################### for link in soup.find_all('a'):print(link.get('href') )

3.基于bs4 庫的HTML內(nèi)容查找方法

beautifulsoup庫提供了一個方法，查找所有信息

import requests from bs4 import BeautifulSoup demo =requests.get( 'https://python123.io/ws/demo.html').text soup = BeautifulSoup(demo,'html.parser') ##################### soup.find_all('a')#返回一個列表 全是a標(biāo)簽 soup.find_all(['a', 'b']) # 返回一個列表 所有a與b標(biāo)簽 soup.find_all(True)#所有標(biāo)簽 for tag in soup.find_all(True):print(tag.name) #正則表達(dá)式庫 import re for tag in soup.find_all(re.compile('b')):#以b開頭的標(biāo)簽print(tag.name)

import requests from bs4 import BeautifulSoup demo =requests.get( 'https://python123.io/ws/demo.html').text soup = BeautifulSoup(demo,'html.parser') ##################### soup.find_all('p','course')#所有的屬性含course的p標(biāo)簽 soup.find_all(attrs='course')#所有得屬性含course的標(biāo)簽 soup.find_all(id='link1')#屬性‘id’為link1的標(biāo)簽 soup.find_all(id='link') import re soup.find_all(id=re.compile('link'))

soup.find_all(id)# 不能輸出 所有含id的標(biāo)簽 而是所有標(biāo)簽
輸出含某些屬性的所有標(biāo)簽的方法，有點(diǎn)牛哈

import requests from bs4 import BeautifulSoup demo =requests.get( 'https://python123.io/ws/demo.html').text soup = BeautifulSoup(demo,'html.parser') ##################### soup.find_all('a',recursive=False)

import requests from bs4 import BeautifulSoup demo =requests.get( 'https://python123.io/ws/demo.html').text soup = BeautifulSoup(demo,'html.parser') ##################### soup.find_all(string="Basic Python") import re soup.find_all(string=re.compile('Python'))

淦

以下與.find_all()參數(shù)相同

summary

因?yàn)閒ind_all 太常用了

總結(jié)

以上是生活随笔為你收集整理的丑憨批的爬虫笔记5信息标记与提取的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。