python bs4 BeautifulSoup
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了python bs4 BeautifulSoup,小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含3358字,纯文字阅读大概需要5分钟。
内容图文
![python bs4 BeautifulSoup](/upload/InfoBanner/zyjiaocheng/734/7d2255efdaa04f6dbed4dd50d1638478.jpg)
Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库。bs4 模块的 BeautifulSoup 配合requests库可以写简单的爬虫。
安装
- 命令:pip install beautifulsoup4
解析器
- 主要的解析器,以及它们的优缺点如下:
安装命令:
- pip install lxml
- pip install html5lib
requests
- requests的底层实现就是urllib, requests能够自动帮助我们解压(gzip压缩的等)网页内容
- 安装命令:pip install requests
- 推荐使用 response.content.deocde() 的方式获取响应的html页面
pandas
- 安装命令:pip install pandas
- 基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。
数据结构:
- Series:一维数组,与Numpy中的一维array类似。二者与Python基本的数据结构List也很相近,其区别是:List中的元素可以是不同的数据类型,而Array和Series中则只允许存储相同的数据类型,这样可以更有效的使用内存,提高运算效率。
- Time- Series:以时间为索引的Series。
- DataFrame:二维的表格型数据结构。很多功能与R中的data.frame类似。可以将DataFrame理解为Series的容器。以下的内容主要以DataFrame为主。
- Panel :三维的数组,可以理解为DataFrame的容器。
使用
Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:
- Tag
- NavigableString
- BeautifulSoup
- Comment
Tag:Tag 对象与XML或HTML原生文档中的tag相同,tag中最重要的属性: name和attributes
从网页中获取指定标签、属性值,取值方式:
- 通过标签名获取:tag.name tag对应的type是<class 'bs4.element.Tag'>
- 通过属性获取:tag.attrs
- 获取标签属性:tag.get('属性名') 或 tag['属性名']
功能标签
- stripped_strings:输出的字符串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多余空白内容
- 标准输出页面:soup.prettify()
查找元素:
- find_all(class_="class") 返回的是多个标签
- find(class_="class") 返回一个标签
- select_one() 返回一个标签
- select() 返回的是多个标签
- soup = BeautifulSoup(backdata,'html.parser') #转换为BeautifulSoup形式属性
- soup.find_all('标签名',attrs{'属性名':'属性值'} ) #返回的是列表
- limitk 控制 find_all 返回的数量
- recursive=Flase 返回tag的直接子元素
demo
import sys import io import requests from bs4 import BeautifulSoup as bs import pandas as pd import numpy as np from py_teldcore import sqlserver_db as db sys.stdout = io.TextIOWrapper(sys.stdout.buffer, encoding='gb18030') url = "http://www.tianqihoubao.com/lishi/hefei/month/201812.html" def get_soap(): try: r = requests.get(url) soap = bs(r.text, "lxml") return soap except Exception as e: print(e) return "Request Error" def save2cvs(data, path): result_weather = pd.DataFrame(data, columns=['date', 'tq', 'temp', 'wind']) result_weather.to_csv(path, encoding='gbk') print('save weather sucess') def save2mssql(data): sql = "Insert into Weather(date, tq, temp, wind) values(%s, %s, %s, %s)" data_list = np.ndarray.tolist(data) # sqlvalues = list() # for data in data_list: # sqlvalues.append(tuple(data)) sqlvalues = [tuple(iq) for iq in data_list] try: db.exec_sqlmany(sql, sqlvalues) except Exception as e: print(e) def get_data(): soap = get_soap() print(soap) all_weather = soap.find("div", class_="wdetail").find("table").find_all("tr") data = list() for tr in all_weather[1:]: td_li = tr.find_all("td") for td in td_li: s = td.get_text() data.append("".join(s.split())) res = np.array(data).reshape(-1, 4) return res if __name__ == "__main__": data = get_data() save2mssql(data) print("save2 Sqlserver ok!")
参考资料
- https://www.crummy.com/software/BeautifulSoup/bs4/doc/index.zh.html
- https://www.jianshu.com/p/95b1bc3b2f73
- http://cn.python-requests.org/zh_CN/latest/
- https://blog.csdn.net/qq_31903733/article/details/85269367
内容总结
以上是互联网集市为您收集整理的python bs4 BeautifulSoup全部内容,希望文章能够帮你解决python bs4 BeautifulSoup所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。