python 使用BeautifulSoup的 html5lib爬取网站内容
1、使用BeautifulSoup的 'html5lib' 能像网页工具一样渲染内容。
缺点:运行比较慢
2、安装包
1 | pip install html5lib |
3、直接获取网页的所有有效内容
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 | import requests #数据请求模块 第三方模块 pip install requests from bs4 import BeautifulSoup heads = { 'User-Agent' : 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36' } def get_response(html_url): response = requests.get(url = html_url, headers = heads) return response url = 'https://www.python100.com/html/1390.html' response_new = get_response(html_url = url) response_new.encoding = 'UTF-8' #soup = BeautifulSoup(response_new.text, 'html.parser') soup_new = BeautifulSoup(response_new.text, 'html5lib' ) print (soup_new.text) |
4、结果展示
做一个决定,并不难,难的是付诸行动,并且坚持到底。
分类:
python
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 分享4款.NET开源、免费、实用的商城系统
· 全程不用写代码,我用AI程序员写了一个飞机大战
· MongoDB 8.0这个新功能碉堡了,比商业数据库还牛
· 记一次.NET内存居高不下排查解决与启示
· 白话解读 Dapr 1.15:你的「微服务管家」又秀新绝活了
2022-08-08 tidb自动处理僵尸进程脚本
2020-08-08 CDB、PDB应用
2020-08-08 PDB的创建与删除
2020-08-08 CDB命令方式创建和删除