0.可以新建一个用于练习的html文件，在浏览器中打开。
1.利用requests.get(url)获取网页页面的html文件
import requests
newsurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘
res = requests.get(newsurl) #返回response对象
res.encoding=‘utf-8‘
2.利用BeautifulSoup的HTML解析器，生成结构树
from bs4 import BeautifulSoup
soup = BeautifulSoup(res.text,‘html.parser‘)
3.找出特定标签的html元素
soup.p #标签名，返回第一个
soup.head
soup.p.name #字符串
soup.p. attrs #字典，标签的所有属性
soup.p. contents # 列表，所有子标签
soup.p.text #字符串
soup.p.string
soup.select(‘li‘)
4.取得含有特定CSS属性的元素
soup.select(‘#p1Node‘)
soup.select(‘.news-list-title‘)
5.练习：
取出h1标签的文本
import requests from bs4 import BeautifulSoup res = requests.get(‘http://localhost:63342/TestOne/News.html?_ijt=47a5v3mv05hd83j960f73mljgo‘) res.encoding = ‘UTF-8‘ soup = BeautifulSoup(res.text, ‘html.parser‘) # 取出h1标签的文本 for h1 in soup.find_all(‘h1‘): print(h1.text)
结果：
取出a标签的链接
# 取出a标签的链接 for a in soup.find_all(‘a‘): print(a.attrs.get(‘href‘))
结果：
取出所有li标签的所有内容
# 取出所有li标签的所有内容 for li in soup.find_all(‘li‘): print(li.contents)
结果：
取出第2个li标签的a标签的第3个div标签的属性
# 取出第2个li标签的a标签的第3个div标签的属性 print(soup.find_all(‘li‘)[1].a.find_all(‘div‘)[2].attrs)
结果：
取出一条新闻的标题、链接、发布时间、来源
# 取出一条新闻的标题、链接、发布时间、来源 print(soup.select(‘.news-list-title‘)[0].text) print(soup.select(‘li‘)[1].a.attrs[‘href‘]) print(soup.select(‘.news-list-info‘)[0].contents[0].text) print(soup.select(‘.news-list-info‘)[0].contents[1].text)
