bs4 beautifulsoup4 在html中定位标签、提取文本、提取属性的python库 from bs4 import BeautifulSoupimport requests# bs4 使用 必须要传递页面的源代码# 响应对象text# htmlparser 解释器作用：# 将页面源代码转换成python能够直接定位的格式# soup = Be
在爬虫中，使用BeautifulSoup库可以方便地解析HTML页面，定位标签，提取文本和属性等操作。可以通过以下几种方式来定位标签：
- 快速定位：使用标签名，例如
soup.title可以定位到页面中的title标签。 - find方法：使用
soup.find('标签名称')可以定位到第一个匹配的标签，也可以使用soup.find('标签名称', attrs={"属性名称":"属性值"})来过滤定位。 - find_all方法：使用
soup.find_all('标签名称', attrs={"属性名称":"属性值"})可以返回所有匹配的标签，返回的结果是一个序列。 - 提取标签内的属性值：可以使用属性名来提取标签内的属性值，例如
soup.meta['name']可以获取meta标签的name属性值。
在下载图片的例子中，可以通过定位到包含所有图片的总标签，然后在该标签中找到所有的img标签，进而提取图片的链接和alt属性值，然后通过请求获取图片并保存到本地。
在下载视频的例子中，可以通过请求视频网址链接，然后解析页面获取视频和音频链接，通过请求获取视频和音频文件，并将它们合并保存为一个视频文件。
总结来说，使用BeautifulSoup库可以方便地定位和提取HTML页面中的内容，是爬虫中常用的工具之一
原文地址: http://www.cveoy.top/t/topic/ibTn 著作权归作者所有。请勿转载和采集!