Python網(wǎng)頁解析器使用實例詳解
python 網(wǎng)頁解析器
1、常見的python網(wǎng)頁解析工具有：re正則匹配、python自帶的html.parser模塊、第三方庫BeautifulSoup(重點學(xué)習(xí))以及l(fā)xm庫。
2、常見網(wǎng)頁解析器分類
?。?）模糊匹配 ：re正則表達(dá)式即為字符串式的模糊匹配模式；
（2）結(jié)構(gòu)化解析： BeatufiulSoup、html.parser與lxml，他們都以DOM樹結(jié)構(gòu)為標(biāo)準(zhǔn)，進(jìn)行標(biāo)簽結(jié)構(gòu)信息的提取。
3.DOM樹解釋：即文檔對象模型（Document Object Model），其樹形標(biāo)簽結(jié)構(gòu)，請見下圖。
所謂結(jié)構(gòu)化解析，就是網(wǎng)頁解析器它會將下載的整個HTML文檔當(dāng)成一個Doucment對象，然后在利用其上下結(jié)構(gòu)的標(biāo)簽形式，對這個對象進(jìn)行上下級的標(biāo)簽進(jìn)行遍歷和信息提取操作。
# 引入相關(guān)的包，urllib與bs4，是獲取和解析網(wǎng)頁最常用的庫
from urllib.request import urlopen
from bs4 import BeautifulSoup
# 打開鏈接
html=urlopen("https://www.datalearner.com/website_navi")
# 通過urlopen獲得網(wǎng)頁對象，將其放入BeautifulSoup中，bsObj存放的目標(biāo)網(wǎng)頁的html文檔
bsObj=BeautifulSoup(html.read())
print(bsObj)
# soup = BeautifulSoup(open(url,'r',encoding = 'utf-8'))
import requests
from bs4 import BeautifulSoup
headers={'User-Agent': 'Mozilla/5.0 (Windows NT 6.3; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/57.0.2987.110 Safari/537.36','referer':"www.mmjpg.com" }
all_url = 'http://www.mmjpg.com/'
#'User-Agent':請求方式
#'referer':從哪個鏈接跳轉(zhuǎn)進(jìn)來的
start_html = requests.get(all_url, headers=headers)
#all_url：起始的地址，也就是訪問的第一個頁面
#headers：請求頭，告訴服務(wù)器是誰來了。
#requests.get：一個方法能獲取all_url的頁面內(nèi)容并且返回內(nèi)容。
Soup = BeautifulSoup(start_html.text, 'lxml')
#BeautifulSoup：解析頁面
#lxml：解析器
#start_html.text：頁面的內(nèi)容
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
相關(guān)文章
這篇文章主要介紹了Python類的繼承和多態(tài)代碼詳解，具有一定借鑒價值,需要的朋友可以參考下2017-12-12
python讀取并繪制nc數(shù)據(jù)的保姆級教程
其實目前很多數(shù)據(jù)以nc格式存儲,這篇文章主要給大家介紹了關(guān)于python讀取并繪制nc數(shù)據(jù)的保姆級教程,文中通過實例代碼介紹的非常詳細(xì),需要的朋友可以參考下2023-05-05
淺談Django中view對數(shù)據(jù)庫的調(diào)用方法
今天小編就為大家分享一篇淺談Django中view對數(shù)據(jù)庫的調(diào)用方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2019-07-07
這篇文章主要介紹了python?3.9上安裝pyqt5的詳細(xì)步驟，本文分步驟給大家介紹如何在python?3.9?上安裝?pyqt5,需要的朋友可以參考下2022-07-07
python使用dataframe_image將dataframe表格轉(zhuǎn)為圖片
本文主要介紹了python使用dataframe_image將dataframe表格轉(zhuǎn)為圖片,文中通過示例代碼介紹的非常詳細(xì),對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2024-01-01
Python數(shù)據(jù)處理利器Pandas?DataFrame常用操作
這篇文章主要為大家介紹了Python數(shù)據(jù)處理利器Pandas?DataFrame，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-06-06
Python正則表達(dá)式高效處理文本數(shù)據(jù)的秘訣輕松掌握
當(dāng)談到文本處理和搜索時,正則表達(dá)式是Python中一個強(qiáng)大且不可或缺的工具,正則表達(dá)式是一種用于搜索、匹配和處理文本的模式描述語言,可以在大量文本數(shù)據(jù)中快速而靈活地查找、識別和提取所需的信息,2023-11-11
這篇文章主要介紹了Python模塊導(dǎo)入機(jī)制,包括sys.path的作用、包與模塊的區(qū)別,以及常見導(dǎo)入問題如ModuleNotFoundError和相對導(dǎo)入問題的解決方法,文中通過代碼介紹的非常詳細(xì),需要的朋友可以參考下2025-02-02
這篇文章主要為大家詳細(xì)介紹了Python生成隨機(jī)密碼的方法，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-06-06
Python搭建代理IP池實現(xiàn)接口設(shè)置與整體調(diào)度
這篇文章主要介紹了Python搭建代理IP池實現(xiàn)接口設(shè)置與整體調(diào)度，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-10-10