python学习之bs4解析及用法

• bs4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：
    • 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(page_test,‘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_test,‘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’)
    • 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’]