码迷,mamicode.com
首页 > Web开发 > 详细

7-13爬虫入门之BeautifulSoup对网页爬取内容的解析

时间:2017-07-13 16:30:28      阅读:247      评论:0      收藏:0      [点我收藏+]

标签:获取   str   _id   研究   爬虫   code   sts   bsp   href   

通过beautifulsoup对json爬取的文件进行元素审查,获取是否含有p标签

# -*- coding:utf-8 -*-
from lxml import html
import requests
import json
import re
import scrapy
from bs4 import BeautifulSoup



#通过beautifulsoup解析文档
def bs4analysis(html_doc):
    soup = BeautifulSoup(html_doc,"lxml")
    if soup.find_all(a):
        print soup.a.string
        print soup.a.nextSibling
    elif html_doc.find(#)>=0:
        print 有主题
        p=re.split(#,html_doc)
        print p0+p[0]
        print p1+p[1]
        print p2+p[2]
    else:        
        print haha
   

html_doc=‘‘‘
<a class=‘k‘ href=‘https://m.weibo.cn/k/SHU毕业季?from=feed‘>#毕业季#</a>  云端祝福!祝全体2017届毕业生及全球人前程似锦。 <a data-url="http://t.cn/RootR20" href="https://m.weibo.cn/p/index?containerid=230444def4f80e7a017ab35b3e37cadc001f32&url_type=39&object_type=video&pos=1&luicode=10000011&lfid=1076033243026514&featurecode=20000320&ep=F9u8aqkyn%2C3243026514%2CF9u8aqkyn%2C3243026514" data-hide=""><span class="url-icon"><img src="https://h5.sinaimg.cn/upload/2015/09/25/3/timeline_card_small_video_default.png"></span></i><span class="surl-text">秒拍视频</a>
‘‘‘
html_doc2=‘‘‘
#早安# 万木沉酣新雨后,百昌苏醒晓风前,四时可爱唯春色,一事能狂便少年。——王国维
‘‘‘

html_doc3=‘‘‘
<a class=‘k‘ href=‘https://m.weibo.cn/k/通知公告?from=feed‘>#通知公告#</a>南区浴室男生区因突发水管爆裂,今日起将关闭2间浴室,请各位提早安排应对。
‘‘‘
html_doc4=‘‘‘
我发表了头条文章:《共建美术学院签约暨上海吴淞国际艺术城发展研究院揭牌仪式举行》 <a data-url=""http://t.cn/RK2rQFs"" href=""http://media.weibo.cn/article?object_id=1022%3A2309404126988389488631&url_type=39&object_type=article&pos=1&luicode=10000011&lfid=1076033243026514&id=2309404126988389488631&ep=Fbk5FbYMp%2C3243026514%2CFbk5FbYMp%2C3243026514"" data-hide=""""><span class=""url-icon""><img src=""https://h5.sinaimg.cn/upload/2015/09/25/3/timeline_card_small_article_default.png""></span></i><span class=""surl-text"">共建美术学院签约暨上海吴淞国际艺术城发展研究院揭牌仪式举行</a> ???
‘‘‘
html_doc5=‘‘‘
<a class=‘k‘ href=‘https://m.weibo.cn/k/SHU分享?from=feed‘>#分享#</a> 斗转星移,岁月如梭<span class=""url-icon""><img src=""//h5.sinaimg.cn/m/emoticon/icon/others/l_xin-8e9a1a0346.png"" style=""width:1em;height:1em;"" [心]""></span>
‘‘‘
if __name__ == __main__:
    f = open(shuweibo.txt, r)
    fh = open(analysis.txt, a)
    while True:
        line = f.readline()
        if line == ‘‘:
            break
        print *******************
        bs4analysis(line)
        print *******************
        


    f.close()
    fh.close()

 

7-13爬虫入门之BeautifulSoup对网页爬取内容的解析

标签:获取   str   _id   研究   爬虫   code   sts   bsp   href   

原文地址:http://www.cnblogs.com/mesakiiyui/p/7160408.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!