This is the document body

This is paragraph 1.

段落2

广州商学院

我校校长杨文轩教授讲授新学期“思政第一课”

3月27日下午，我校校长杨文轩教授在第四教学楼310室为学生讲授了新学期“思政第一课”。

2018-03-28

马克思主义学院

1.利用requests.get(url)获取网页页面的html文件

import requestsnewsurl = 'http://news.gzcc.cn/html/xiaoyuanxinwen/'res =requests.get(newsurl)res.encoding='utf-8'

2.利用BeautifulSoup的HTML解析器，生成结构树

from bs4 import BeautifulSoupsoup = BeautifulSoup(res.text,'html.parser')

3.找出特定标签的html元素

soup.psoup.headsoup.p.namesoup.p.attrssoup.p.contentssoup.p.textsoup.p.stringsoup.select('li')

4.取得含有特定CSS属性的元素

soup.select('#p1Node')soup.select('.news-list-title')

5.练习：

取出h1标签的文本

import requestsfrom bs4 import BeautifulSoupurl = 'http://localhost:63342/draw/venv/329.html?_ijt=nf522vm6pmjoqqg6p6nfqp03rf'res =requests.get(url)res.encoding='utf-8'res.textsoup = BeautifulSoup(res.text,'html.parser')a=soup.select('h1')[0].textprint(a)

取出a标签的链接

print(soup.a.attrs['href'])print(soup.li.a.attrs['href'])

取出所有li标签的所有内容

for b in soup.select('li'):    print(b)

取出一条新闻的标题、链接、发布时间、来源

print(soup.select('.news-list-title')[0].text)print(soup.body.li.a.attrs['href'])print(soup.select('.news-list-info')[0].contents[0].text)print(soup.select('.news-list-info')[0].contents[1].text)

转载于:https://www.cnblogs.com/candyxue/p/8677728.html

你可能感兴趣的文章