用bs4从网页爬取信息

1. 导入必要的库：

import requests
from bs4 import BeautifulSoup

2. 发送请求获取网页源代码：

url = "https://www.example.com"
response = requests.get(url)
html = response.text

3. 解析网页源代码：

soup = BeautifulSoup(html, 'html.parser')

4. 从网页中找到需要的信息：

# 找到所有的p标签
p_tags = soup.find_all('p')

# 找到第一个a标签
a_tag = soup.find('a')

# 找到所有class属性为"example"的div标签
div_tags = soup.find_all('div', {'class': 'example'})

5. 获取标签的属性和文本内容：

# 获取a标签的href属性和文本内容
a_href = a_tag['href']
a_text = a_tag.text

# 获取第一个p标签的文本内容
p_text = p_tags[0].text

6. 遍历标签的子节点：

# 遍历div标签下的所有p标签
for p_tag in div_tags[0].find_all('p'):
    print(p_tag.text)

7. 使用CSS选择器查找标签：

# 找到id属性为"example"的div标签
div_tag = soup.select_one('#example')

# 找到所有class属性为"example"的p标签
p_tags = soup.select('.example p')

完整代码示例：

import requests
from bs4 import BeautifulSoup

url = "https://www.example.com"
response = requests.get(url)
html = response.text

soup = BeautifulSoup(html, 'html.parser')

# 找到第一个a标签
a_tag = soup.find('a')

# 获取a标签的href属性和文本内容
a_href = a_tag['href']
a_text = a_tag.text

# 找到所有class属性为"example"的div标签
div_tags = soup.find_all('div', {'class': 'example'})

# 遍历div标签下的所有p标签
for p_tag in div_tags[0].find_all('p'):
    print(p_tag.text)

# 找到id属性为"example"的div标签
div_tag = soup.select_one('#example')

# 找到所有class属性为"example"的p标签
p_tags = soup.select('.example p')
``