Python常用爬虫代码总结方便查询-创新互联

beautifulsoup解析页面
创新互联公司主营南岔网站建设的网络公司,主营网站建设方案,重庆APP软件开发,南岔h5微信小程序搭建,南岔网站营销推广欢迎南岔等地区企业咨询
from bs4 import BeautifulSoup
soup = BeautifulSoup(htmltxt, "lxml")
# 三种装载器
soup = BeautifulSoup("", "html.parser")
### 只有起始标签的会自动补全，只有结束标签的会自动忽略
### 结果为：
soup = BeautifulSoup("", "lxml")
### 结果为：
soup = BeautifulSoup("", "html5lib")
### html5lib则出现一般的标签都会自动补全
### 结果为：
# 根据标签名、id、class、属性等查找标签
### 根据class、id、以及属性alog-action的值和标签类别查询
soup.find("a",class_="title",id="t1",attrs={"alog-action": "qb-ask-uname"}))
### 查询标签内某属性的值
pubtime = soup.find("meta",attrs={"itemprop":"datePublished"}).attrs['content']
### 获取所有class为title的标签
for i in soup.find_all(class_="title"):
  print(i.get_text())
### 获取特定数量的class为title的标签
for i in soup.find_all(class_="title",limit = 2):
  print(i.get_text())
### 获取文本内容时可以指定不同标签之间的分隔符，也可以选择是否去掉前后的空白。
soup = BeautifulSoup(' The Dormouses story 
The Dormouses story', "html5lib")
soup.find(class_="title").get_text("|", strip=True)
#结果为：The Dormouses story|The Dormouses story
### 获取class为title的p标签的id
soup.find(class_="title").get("id")
### 对class名称正则：
soup.find_all(class_=re.compile("tit"))
### recursive参数，recursive=False时，只find当前标签的第一级子标签的数据
soup = BeautifulSoup('abc','lxml')
soup.html.find_all("title", recursive=False)</pre>            <br>
            本文名称：Python常用爬虫代码总结方便查询-创新互联            <br>
            当前地址：<a href="http://6mz.cn/article/hoihh.html">http://6mz.cn/article/hoihh.html</a>
        </div>
    </div>
    <div class="other">
        <h3>其他资讯</h3>
        <ul>
            <li>
                    <a href="/article/dsogddc.html">C/C++ Qt Tree与Tab组件实现分页菜单</a>
                </li><li>
                    <a href="/article/dsogopp.html">C/C++ Qt 数据库与TableView多组件联动</a>
                </li><li>
                    <a href="/article/dsogdoe.html">M1配置php环境完整版（用于M1芯片的Mac中，php开发环境，比如wordpress、&quot;或wp&quot;、emlog pro、typecho等本地开发环境的配置）</a>
                </li><li>
                    <a href="/article/dsogdsj.html">重温Python基础——字典</a>
                </li><li>
                    <a href="/article/dsogddi.html">C++中const以及constexpr</a>
                </li>        </ul>
    </div>
</div>
<footer>
    <div class="message">
        <div class="mess container">
            <p>免费获取网站建设与品牌策划方案报价</p>
            <span>*主要业务范围包括：高端网站建设， 集团网站建设(网站建设网站制作)找网站建设公司就上快上网。</span>
            <form action="">
                <input type="text" class="ipt1" placeholder="联系人">
                <input type="text" class="ipt2" placeholder="联系电话">
                <textarea name="" id=""  placeholder="内容描述：描述您的需求，如网站、微信、电商、APP等。"></textarea>
                <a href="">提交需求</a>
            </form>
        </div>
    </div>
    <div class="footA">
        <div class="footAs container">
            <ul>
                <h3>联系我们</h3>
                <b>028-86922220</b>
                <li>手机：13518219792</li>
                <li>地址：成都市太升南路288号锦天国际A幢1002号</li>
                <li class="hr1"></li>
                <li>24小时服务热线：400-028-6601</li>
            </ul>
            <ul>
                <h3>网站建设服务</h3>
                <li>网页设计</li>
                <li>网站制作</li>
                <li>网站开发</li>
            </ul>
            <ul>
                <h3>网站推广服务</h3>
                <li>营销网站建设</li>
                <li>百度快速排名</li>
                <li>整站网站推广</li>
            </ul>
            <ul>
                <h3>网站运维服务</h3>
                <li>基础维护</li>
                <li>网站改版</li>
                <li>网站维护</li>
            </ul>
            <ul>
                <h3>FOLLOW US</h3>
                <li class="hr2"></li>
                <li>
                    <dd class="fl"><img src="/Public/Home/img/ewm.png" alt=""><p>微信二维码</p></dd>
                    <dd class="fr"><img src="/Public/Home/img/ewm.png" alt=""><p>微信二维码</p></dd>
                </li>
            </ul>
        </div>
        <div class="link container">
            友情链接：
            <a href="http://www.ncjbc.cn/" title="南充护栏钻孔机" target="_blank">南充护栏钻孔机</a>   <a href="http://www.hongyifilm.cn/" title="鸿艺文化传播" target="_blank">鸿艺文化传播</a>   <a href="https://www.cdxwcx.com/wangzhan/mbshangcheng.html" title="电子商务商城网站" target="_blank">电子商务商城网站</a>   <a href="http://www.cdhuace.com/led.html" title="成都LED显示屏" target="_blank">成都LED显示屏</a>   <a href="http://www.cxhljz.cn/" title="成都网站设计" target="_blank">成都网站设计</a>   <a href="http://www.cxjianzhan.com/baojia/" title="网站建设策划方案" target="_blank">网站建设策划方案</a>   <a href="https://www.cdcxhl.com/ssl/chengdu.html" title="成都ssl证书认证" target="_blank">成都ssl证书认证</a>   <a href="http://www.024fuxl.com/" title="成都酒店服定制" target="_blank">成都酒店服定制</a>   <a href="https://www.cdcxhl.com/tuoguan/" title="服务器托管" target="_blank">服务器托管</a>   <a href="http://www.myzitong.com/" title="绵阳梓潼做网站" target="_blank">绵阳梓潼做网站</a>           </div>
    </div>
    <div class="footB">
        <div class="container">
            <div class="fl">
                Copyright © 2022  成都快上网科技有限公司     成都网站建设公司-选网站建设公司快上网！国内专业的网站制作公司！
            </div>
            <div class="fr">
                All Rights Reserved 版权所有 <a href="https://beian.miit.gov.cn/" target="_blank" rel="nofollow">蜀ICP备19037934号-11</a>
            </div>
        </div>
    </div>
</footer>
</body>
</html>
<script>
    $(".con img").each(function(){
        var src = $(this).attr("src");    //获取图片地址
        var str=new RegExp("http");
        var result=str.test(src);
        if(result==false){
            var url = "https://www.cdcxhl.com"+src;    //绝对路径
            $(this).attr("src",url);
        }
    });
    window.onload=function(){
        document.oncontextmenu=function(){
            return false;
        }
    }
</script>
网站建设知识

Python常用爬虫代码总结方便查询-创新互联
