标签:解析器 lxml HTML Python BeautifulSoup -- html url
1.BeautifulSoup
是一个可以从HTML或XML文件中提取数据的Python库,使用前需安装:pip install bs4
BeautifulSoup支持Python标准库中的HTML解析器,还支持第三方解析器,默认使用HTML解析器。
解析器 | 语法结构 | 优点 | 缺点 |
标准库 | BeautifulSoup(html,‘html.parser’) | 内置标准库,速度适中 | Python3.2版本前的文档容错能力差 |
lxml HTML | BeautifulSoup(html,‘lxml’) | 速度快,文档容错能力强 | 安装C语言库 |
lxml XML | BeautifulSoup(html,‘xml’) | 速度快,唯一支持XML | 安装C语言库 |
html5lib | BeautifulSoup(html,‘html5lib’) | 容错能力最强,可生成HTML5 | 运行慢,扩展差 |
2.爬取淘宝网上的超链接
import requests
from bs4 import BeautifulSoup
url = 'https://www.taobao.com/'
headers = {'User-Agent':'Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/97.0.4692.99 Safari/537.36'}
resp = requests.get(url,headers)
bs = BeautifulSoup(resp.text,'lxml')
a_list = bs.find_all('a') #查找所有的a标签
for a in a_list:
#获取每个a标签的href
url = a.get('href')
if url == None:
continue
if url.startswith('http') or url.startswith('https'):
print(url)
标签:解析器,lxml,HTML,Python,BeautifulSoup,--,html,url 来源: https://blog.csdn.net/qq_40523659/article/details/122644881
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。