BeautifulSoup 库最常用的对象恰好就是BeautifulSoup 对象。
from urllib.request import urlopen
from bs4 import BeautifulSoup
html = urlopen("http://www.pythonscraping.com/pages/page1.html")
bsObj = BeautifulSoup(html.read())
print(bsObj.h1)
bsObj.tagname只能获取页面中的第一个指定的标签tagname
输出结果是：
<h1>An Interesting Title</h1>
和前面例子一样，我们导入urlopen，然后调用html.read() 获取网页的HTML 内容。这
样就可以把HTML 内容传到BeautifulSoup 对象，转换成下面的结构：
? html → <html><head>...</head><body>...</body></html>
— head → <head><title>A Useful Page<title></head>
— title → <title>A Useful Page</title>
— body → <body><h1>An Int...</h1><div>Lorem ip...</div></body>
— h1 → <h1>An Interesting Title</h1>
— div → <div>Lorem Ipsum dolor...</div>
可以看出，我们从网页中提取的<h1> 标签被嵌在BeautifulSoup 对象bsObj 结构的第二层
（html → body → h1）。但是，当我们从对象里提取h1 标签的时候，可以直接调用它：
bsObj.h1
其实，下面的所有函数调用都可以产生同样的结果：
bsObj.html.body.h1
bsObj.body.h1
bsObj.html.h1
希望这个例子可以向你展示BeautifulSoup 库的强大与简单。其实，任何HTML（或
XML）文件的任意节点信息都可以被提取出来，只要目标信息的旁边或附近有标记就行。
时间： 2024-11-09 06:15:11