快捷導(dǎo)航

Python網(wǎng)頁(yè)解析器使用實(shí)例詳解

更新時(shí)間：2020年05月30日 10:30:35 作者：BSSZDS930

這篇文章主要介紹了Python網(wǎng)頁(yè)解析器使用實(shí)例詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

python 網(wǎng)頁(yè)解析器

　　1、常見(jiàn)的python網(wǎng)頁(yè)解析工具有：re正則匹配、python自帶的html.parser模塊、第三方庫(kù)BeautifulSoup(重點(diǎn)學(xué)習(xí))以及l(fā)xm庫(kù)。

　　2、常見(jiàn)網(wǎng)頁(yè)解析器分類

　　（1）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(duì)象模型（Document Object Model），其樹形標(biāo)簽結(jié)構(gòu)，請(qǐng)見(jiàn)下圖。

　　所謂結(jié)構(gòu)化解析，就是網(wǎng)頁(yè)解析器它會(huì)將下載的整個(gè)HTML文檔當(dāng)成一個(gè)Doucment對(duì)象，然后在利用其上下結(jié)構(gòu)的標(biāo)簽形式，對(duì)這個(gè)對(duì)象進(jìn)行上下級(jí)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(yè)最常用的庫(kù)
from urllib.request import urlopen
from bs4 import BeautifulSoup

# 打開鏈接
html=urlopen("https://www.datalearner.com/website_navi")

# 通過(guò)urlopen獲得網(wǎng)頁(yè)對(duì)象，將其放入BeautifulSoup中，bsObj存放的目標(biāo)網(wǎng)頁(yè)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(qǐng)求方式
  #'referer':從哪個(gè)鏈接跳轉(zhuǎn)進(jìn)來(lái)的

start_html = requests.get(all_url, headers=headers)
  #all_url：起始的地址，也就是訪問(wèn)的第一個(gè)頁(yè)面
  #headers：請(qǐng)求頭，告訴服務(wù)器是誰(shuí)來(lái)了。
  #requests.get：一個(gè)方法能獲取all_url的頁(yè)面內(nèi)容并且返回內(nèi)容。

Soup = BeautifulSoup(start_html.text, 'lxml')
  #BeautifulSoup：解析頁(yè)面
  #lxml：解析器
  #start_html.text：頁(yè)面的內(nèi)容

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

您可能感興趣的文章: