bs4(beautiful soup 4)简单抓取示例

2015-05-12 11:46:16 +08:00
 tanteng

参照bs4官方中文文档 http://beautifulsoup.readthedocs.org/en/latest/ 照着写了个简单的例子,感觉它非常强大!!

import urllib.request
from bs4 import BeautifulSoup
import sys

url = 'http://www.tantengvip.com'
html = urllib.request.urlopen(url).read()

soup = BeautifulSoup(html)
h1s = soup.find_all('h1',class_='entry-title')

'''打印所有H1标题和链接'''
for h1 in h1s:
    #print(h1)
    print(h1.get_text())
    print(h1.a.attrs['href'])

结果:

D:\learn-python>python test.py
beautiful soul 4 for Python3中文文档
http://www.tantengvip.com/2015/05/beautiful-soul-4-for-pytho
Python文件名不能和已有模块名重名
http://www.tantengvip.com/2015/05/python-filename/
Python3 requests包抓取并保存网页源码
http://www.tantengvip.com/2015/05/requests-html/
Python作用域代码演示
http://www.tantengvip.com/2015/05/python-scope/
深入理解django url原理
http://www.tantengvip.com/2015/05/django-url/
使用Mac终端svn命令从SAE检出代码
http://www.tantengvip.com/2015/05/mac-svn-sae/
使用pip安装Django for Python3
http://www.tantengvip.com/2015/05/django-python3-install/
Python字典get方法小例子
http://www.tantengvip.com/2015/05/python-dict-get/
Python减少循环层次和缩进技巧
http://www.tantengvip.com/2015/05/python-for-level/
Python中newinit的区别
http://www.tantengvip.com/2015/05/python-new-init/
Python中requirements.pip文件的作用
http://www.tantengvip.com/2015/05/python-requirements-pip/
Python中name的含义
http://www.tantengvip.com/2015/05/python-name/
用python列举牌类游戏斗牛中所有牛牛的情况
http://www.tantengvip.com/2015/05/python-niu-niu/
ThinkPHP标签if condition嵌套bug
http://www.tantengvip.com/2015/05/thinkphp-if-condition-bug/
在SAE上部署django
http://www.tantengvip.com/2015/05/sae-django/
python中文基础教程
http://www.tantengvip.com/2015/05/python-guide-chinese/

4214 次点击
所在节点    Python
9 条回复
latyas
2015-05-12 13:51:12 +08:00
已从bs4跳到pyquery了
wensonsmith
2015-05-12 14:25:48 +08:00
看起来很不错啊!
tanteng
2015-05-12 15:18:07 +08:00
@latyas 我只知道bs4。。。所以就用了,到底哪个更主流
zztt168
2015-05-12 16:18:18 +08:00
@latyas 请教pyquery与bs4比较有什么优势,和楼主一样用bs比较多,其他的不懂,谢谢。
ahxxm
2015-05-12 17:25:37 +08:00
曾经用过一阵子bs4,发现在vps上会用满cpu,之后就回到regex了
kxxoling
2015-05-12 18:03:44 +08:00
@latyas pyquery 挺有意思的,不过还是得思考,lxml + Chrome 自动获取 xpath 更方便!
octopus_new
2015-05-12 18:07:56 +08:00
用lxml,没用过bs系列....
mingyun
2015-05-12 22:34:56 +08:00
urllib2呢
beibeijia
2015-05-12 23:03:45 +08:00
刚开始听说bs好就用bs 后来用了xpath后就几乎不太用bs了 随后知道lxml性能也比bs强后就彻底不用bs了。

这是一个专为移动设备优化的页面(即为了让你能够在 Google 搜索结果里秒开这个页面),如果你希望参与 V2EX 社区的讨论,你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://www.v2ex.com/t/190388

V2EX 是创意工作者们的社区,是一个分享自己正在做的有趣事物、交流想法,可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX