使用 python 和 beautifulsoup 解析 html 文檔的方法如下：加載 html 文檔并創(chuàng)建 beautifulsoup 對象。使用 beautifulsoup 對象查找和處理標(biāo)簽元素，如：查找特定標(biāo)簽：soup.find(tag_name)查找所有特定標(biāo)簽：soup.find_all(tag_name)查找具有特定屬性的標(biāo)簽：soup.find(tag_name, {‘attribute’: ‘value’})提取標(biāo)簽的文本內(nèi)容或?qū)傩灾怠８鶕?jù)需要調(diào)整代碼以獲取特定信息。
使用 Python 和 BeautifulSoup 解析 HTML 文檔
目標(biāo)：
了解如何使用 Python 和 BeautifulSoup 庫解析 HTML 文檔。
必備知識：
Python 基礎(chǔ)
HTML 和 XML 知識
代碼：
from bs4 import BeautifulSoup
# 加載 HTML 文檔
html_doc = """
<html>
<head>
<title>HTML 文檔</title>
</head>
<body>
<h1>標(biāo)題</h1>
<p>段落</p>
</body>
</html>
"""
# 創(chuàng)建 BeautifulSoup 對象
soup = BeautifulSoup(html_doc, 'html.parser')
# 獲取標(biāo)題標(biāo)簽
title_tag = soup.find('title')
print(title_tag.text) # 輸出：HTML 文檔
# 獲取所有段落標(biāo)簽
paragraph_tags = soup.find_all('p')
for paragraph in paragraph_tags:
print(paragraph.text) # 輸出：段落
# 獲取特定屬性的值
link_tag = soup.find('link', {'rel': 'stylesheet'})
print(link_tag['href']) # 輸出：樣式表鏈接
登錄后復(fù)制
實戰(zhàn)案例：
一個簡單的實戰(zhàn)案例是使用 BeautifulSoup 從網(wǎng)頁中提取指定信息的爬蟲。例如，你可以使用以下代碼從 Stack Overflow 中提取問題和答案：
import requests
from bs4 import BeautifulSoup
url = 'https://stack<a style='color:#f60; text-decoration:underline;' href="https://www.php.cn/zt/72718.html" target="_blank">overflow</a>.com/questions/31207139/using-beautifulsoup-to-extract-specific-attribute'
response = requests.get(url)
soup = BeautifulSoup(response.text, 'html.parser')
questions = soup.find_all('div', {'class': 'question-summary'})
for question in questions:
question_title = question.find('a', {'class': 'question-hyperlink'}).text
question_body = question.find('div', {'class': 'question-snippet'}).text
print(f'問題標(biāo)題：{question_title}')
print(f'問題內(nèi)容：{question_body}')
print('---')
登錄后復(fù)制
這只是使用 BeautifulSoup 解析 HTML 文檔的眾多示例之一。你可以根據(jù)具體需求調(diào)整代碼以獲取不同的信息。
