bs4进行数据解析
bs4进行数据解析:
-- 数据解析的原理:
-- 1.标签定位
-- 2. 提取标签、标签属性中存储的数据值
-- bs4 数据解析的原理:
-- 1.实例化一个BeautifulSoup对象,并且将页面源码数据加载到该对象中
-- 2.通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取
-- 环境安装:
-- pip install bs4
-- pip install lxml
-- 如何实例化BeautifulSoup对象:
-- from bs4 import BeautifulSoup
-- 对象的实例化:
-- 1. 将本地的html文档中的数据加载到该对象中
fp = open('./test.html', 'r', encoding='utf-8')
soup = BeautifulSoup(fp, 'lxml')
-- 2. 将互联网上获取的页面源码加载到该对象中
page_text = response.text
soup = BeautifulSoup(page_text, 'lxml')
-- 提供的用于数据解析的方法和属性:
-- soup.tagName: 返回的是文档中第一次出现的tagName对应的标签
-- soup。find():
-- find(‘tagName’):等同于soup.div
-- 属性定位:
-- soup.find('div', class_/id/attr='song') 注意class等其他标签后要跟下划线,不跟下划线就不是一个参数名称,而是一个关键字。
-- soup.find_all('tagName'): 返回符合要求的所有标签(列表)
-- select:
-- select('某种选择器 (id, class, 标签......选择器) '),返回的是一个列表。
-- 层级选择器:
-- soup.select('.tang > ul > li > a '):>表示的是一个层级
-- soup.select('.tang > ul a'):空格表示的多个层级
-- 获取标签之间的文本数据:
-- soup.a.text/string/get_text()
-- text/get_text():可以获取某一个标签中所有的文本内容
-- string:只可以获取该标签下面直系的文本内容
-- 获取标签中属性值:
-- soup.a['href']