Python爬虫常用模块,BeautifulSoup笔记

目录 Python

import urllib

import urllib.request as request

import re

from bs4 import *

#url = ‘http://zh.house.qq.com/’

url = ‘http://www.0756fang.com/’

html = request.urlopen(url).read().decode(‘utf-8’)

soup = BeautifulSoup(html,”html.parser”)

print(soup.head.meta[‘content’])#输出所得标签的‘’属性值

print(soup.span.string);print(soup.span.text)#两个效果一样,返回标签的text

#name属性是‘’的标签的<ResultSet>类,是一个由<Tag>组成的list

print(soup.find_all(attrs={‘name’:’keywords’}))

print(soup.find_all(class_=’site_name’))#class属性是‘’的<Tag>的list,即<ResultSet>

print(soup.find_all(class_=’site_name’)[0])#这是一个<Tag>

print(soup.find(attrs={‘name’:’keywords’}))#name属性是‘’的标签的<Tag>类

print(soup.find(‘meta’,attrs={‘name’:’keywords’}))#name属性是‘’的meta标签的<Tag>类

print(soup.find(‘meta’,attrs={‘name’:’keywords’})[‘content’])#<Tag类>可直接查属性值

#配合re模块使用,可以忽略大小写

#如下面例子,可以找到name属性为keywords,KEYWORDS,KeyWORds等的meta标签

print(soup.find(‘meta’,attrs={‘name’:re.compile(‘keywords’,re.IGNORECASE)}))

”’————————————————————————-”’

”’—————————-修改BeautifulSoup——————————-”’

”’————————————————————————-”’

soup.find(attrs={‘name’:’keywords’}).extract#调用这个方法,可以删除这一个标签

soup.title.name=’ppp’#可以把Tag的名字<title>改成<ppp>

#可以使用append(),insert(),insert_after()或者insert_before()等方法来对新标签进行插入。

Tag1 = a.new_tag(‘li’,class_=’123′)”’创造一个Tag”’

a.title.append(Tag1)#把Tag1添加为name是title的Tag的最后一个【子节点】,没有换行

#.insert(0,Tag1)—-这里用insert的话,第一个参数可以控制所添加【子节点】的先后位置

#.insert_after(Tag1)—和insert_before一样,添加为Title的【兄弟节点】

soup.head.meta[‘content’]=’随便输入,可以添加(或更改)这个Tag的content属性(值)’

del soup.head.meta[‘content’]#这个语法可以直接删除这个Tag的content属性

soup.li.clear#调用方法会清除所有li标签的text

soup.title.string=’用这个方法可以修改title标签的内容’#慎用,只用于最子孙最小的节点,用于父节点会清空子节点

soup.div.append(‘放在div子节点位置的 最后append最后,是标签内容’)

soup.div.insert(0,’放在div子节点位置的 最前insert【0】最前,是标签内容”)