python学习笔记(三)---python爬取网页指定内容

article/2025/5/18 7:20:28

python学习笔记(三)—python爬取网页指定内容

1、利用正则匹配爬取指定内容,例如标题
正则表达式:

<title>(.*?)</title>

req = urllib.request.Request(url=url,headers=headers)
content = urllib.request.urlopen(req).read() 
content = content.decode('utf-8')     
title = re.findall(r'<title>(.*?)</title>', content)
print(title)

2、利用beautifulsoup获取网页各标签内容

需要用到distutils.filelist、bs4模块

from bs4 import BeautifulSoup
from distutils.filelist import findall

请求并获取网页

url = 'https://app.xx.com'
response = requests.get(url)
req = urllib.request.Request(url=url)
content = urllib.request.urlopen(req).read() 
content=content.decode('utf-8') 

获取网页内指定内容

if response.status_code == 200:#判断网页状态soup = BeautifulSoup(content,"html.parser")tag = soup.find_all('h5') #获取网页内所有h5标签#print(tag)for tag1 in tag: #print(tag1) if tag1.find('a'): taga = tag1.find('a') #tag内获取a标签              href = tag1.find('a').get('href')#获取href内容#print(href)tagtext = tag1.find('a').get_text()#获取标签内文本信息else:break 

获取指定标签内容,附带参数

htlgball = soup.find_all('span',class_='htlgb')

3.利用xpath爬取网页指定内容

from lxml import etreeurl = "http://www.xxxx.com/mb/1149"
req = urllib.request.Request(url=url)
response = requests.get(url)
page = response.text

浏览器F12定位并获取需要爬取内容的xpath
在这里插入图片描述

/html/body/div[1]/div[1]/div[1]/div[2]/div[1]/div

获取指定内容

html = etree.HTML(page)#将html转换成_Element对象
aa = html.xpath('/html/body/div[1]/div[1]/div[1]/div[2]/div[1]/div')[0].text
print(aa)

http://chatgpt.dhexx.cn/article/IqPAepZg.shtml

相关文章

python 批量爬取网页pdf_python爬取网页内容转换为PDF文件

如何利用Python抓取PDF中的某些内容 你的问题事实上包含几部分&#xff1a; 将 PDF 转化为纯文本格式 抽取其中部分内容 格式化写入到 excel 中 转换 PDF 有很多库可以完成&#xff0c;如下是通过 pdfminer 的示例&#xff1a; from cStringIO import StringIO from pdfminer.p…

python爬取网站实例,Python爬取网页简单示例

准备材料 一&#xff1a;使用到的Python第三方库是requests 和 BeautifulSoup 二&#xff1a;选择要爬取的网页 我选择了豆瓣小组里的一个帖子回复(是微博或者微信的签名&#xff0c;个人感觉比较有意思) 地址是&#xff1a;https://www.douban.com/group/topic/80125952/ 三&a…

使用Python爬取网页中的表格保存到word

经常遇到的是爬取网页写入表格中&#xff0c;保存为csv格式、txt格式。最近接到一个任务&#xff0c;复制网页中文字和表格保存到word中&#xff0c;不仅有文字&#xff0c;还有表格。一看有100多页&#xff0c;要是一页一页的复制&#xff0c;要干到什么年月啊。 经过一番搜索…

python爬取网页表格数据并写入到excel

python爬取网页表格数据并写入到excel 获取银行网页中外汇数据&#xff1a; http://fx.cmbchina.com/Hq/History.aspx?nbr%e7%be%8e%e5%85%83&startdate2009-01-01&enddate2021-10-22&page1 代码如下&#xff1a; import datetime import reimport openpyxl …

Python 爬取网页标签内数据

1、先看运行效果&#xff0c;左边为运行后的结果&#xff0c;右边为爬取的网页内容 2、先展示代码 import requests from lxml import etree#爬取的网址 url https://sh.fang.anjuke.com/?fromnavigation #请求头 header{"user-agent": "Mozilla/5.0 (Window…

Python爬取网页文本内容

# -*- coding: utf-8 -*- from bs4 import BeautifulSoupdef second_pro(text):last_sen []while 1:last_sen.append(text.split(",")[-1])other_list text.split(",")[:-1]# 特定位置超长&#xff0c;需要处理if len(other_list) 1:last_sen.append(ot…

python爬取网页时,编码出错问题

在使用python进行爬取问题时&#xff0c;容易出现编码错误的情况&#xff0c;如&#xff1a; UnicodeEncodeError: ‘gbk’ codec can’t encode character ‘\xb9’ in position 61513: illegal multibyte sequence 程序代码: headers {"User-Agent":"Mozi…

python爬取网页图片详解

文章目录 什么是爬虫爬取网页图片实现步骤第一步&#xff1a;打开所操作的网站&#xff08;任意一个网站&#xff09;第二步&#xff1a;通过python访问这个网站第三步&#xff1a;点击F12查询相关信息第四步&#xff1a;爬取图片&#xff0c;下载到本地第五步&#xff1a;显示…

python爬取网页信息

PythonSpider项目 Python爬虫是用Python编程语言实现的网络爬虫&#xff0c;主要用于网络数据的抓取和处理&#xff0c;相比于其他语言&#xff0c;Python是一门非常适合开发网络爬虫的编程语言&#xff0c;大量内置包&#xff0c;可以轻松实现网络爬虫功能。Python爬虫可以做…

python爬取网页图片

python爬取网页图片 爬取数据一般分为三步&#xff1a; 爬取网页信息解析爬取来的数据保存数据 找到自己想要爬取的网页&#xff0c;找到user-agent 代码实现 首先导入需要用到的包 from bs4 import BeautifulSoup #网页解析&#xff0c;获取数据 import re #正…

走好这六步,python爬虫爬取网页数据手到擒来~

前言&#xff1a; 用python的爬虫爬取数据真的很简单&#xff0c;只要掌握这六步就好&#xff0c;也不复杂。以前还以为爬虫很难&#xff0c;结果一上手&#xff0c;从初学到把东西爬下来&#xff0c;一个小时都不到就解决了。 python爬虫六步走 第一步&#xff1a;安装requ…

css样式优先级详解

很多人在写代码的过程中会出现css样式冲突的情况&#xff0c;那么我们怎样才能应用我们想用的样式&#xff0c;下面就个人经验写了一点总结&#xff01; 1.权值&#xff08;浏览器是根据权值来判断使用哪种css样式的&#xff0c;哪种样式权值高就使用哪种样式&#xff09; ①标…

css样式优先级问题

此片博客为参考博客&#xff0c;更多详情可看:https://www.cnblogs.com/ombre/p/7418667.html 官方表述的CSS样式优先级如下: 通用选择器(*&#xff09;<元素(类型)选择器<类名选择器<属性选择器<伪类选择器<ID选择器<内联样式 其中内联样式只能通过style&…

前端基础-CSS样式的优先级

样式的优先级&#xff08;了解&#xff09; 1.强制优先级&#xff08;important&#xff09; 语法&#xff1a;样式属性:值 !important; 示意图 注意&#xff1a;只针对当前这一条css属性 2.选择器优先级 伪对象选择器>!important>行内样式>id选择器>class选…

HTML——CSS样式优先级

代码 <!DOCTYPE html> <html lang"en"> <head><meta charset"UTF-8"><meta http-equiv"X-UA-Compatible" content"IEedge"><meta name"viewport" content"widthdevice-width, initia…

关于CSS样式优先级

设定Li 当中的a链接样式的时候&#xff0c;设了几次没成功。考虑跟优先级有关。转载这篇文章&#xff0c;供自己记录学习&#xff0c;与新手们讨论交流 一般情况下&#xff1a; [1位重要标志位] > [4位特殊性标志] > 声明先后顺序 !important > [ id > class &g…

JavaWeb_CSS(5)_样式优先级

本系列博客汇总在这里&#xff1a;JavaWeb_CSS 汇总 目录 样式优先级示例 样式优先级 由上到下&#xff0c;由外到内。优先级由低到高。 示例 CSS 文件1p {text-align: center;color: red; }CSS 文件2p {text-align: center;color: green; }/*div 表示 p 标签往内一层*/ d…

CSS 样式优先级权重

CSS的样式优先级可分为四大类&#xff1a; 1、&#xff01;important 无论何种引入方式和选择器&#xff0c;优先级都是最高的&#xff1b; 2、行内样式 style"" 行内样式的优先级要高于嵌入和外链&#xff0c;嵌入和外链如果使用的选择器相同就看他们在页面中插…

html中css样式的优先级规则

CSS2.1 中规定了关于 CSS 规则 Specificity&#xff08;特异性&#xff09;的计算方式&#xff0c;用一个四位的数字串&#xff08;注&#xff1a;CSS2 中是用三位&#xff09;来表示&#xff0c;最后以 Specificity 的高低判断 CSS 的优先权。Specificity 具体的计算规则&…

WEB前端--CSS样式优先级

出处&#xff1a; http://xugang.cnblogs.com 样式的优先级 多重样式&#xff08;Multiple Styles&#xff09;&#xff1a;如果外部样式、内部样式和内联样式同时应用于同一个元素&#xff0c;就是使多重样式的情况。 一般情况下&#xff0c;优先级如下&#xff1a; &#…