码迷,mamicode.com
首页 > 编程语言 > 详细

python requests 简单网页文本爬取

时间:2018-06-20 21:36:19      阅读:431      评论:0      收藏:0      [点我收藏+]

标签:使用   www   text   bs4   image   from   inf   文本   src   

爬取网页:

http://www.cnblogs.com/xrq730/archive/2018/06/11/9159586.html

抓取的是一个博客的文本内容
  • 用requeusts获取整个网页的HTML信息;
  • 使用Beautiful Soup解析HTML信息

技术分享图片

 1 import requests
 2 from bs4 import BeautifulSoup
 3  
4
5 if __name__==__main__: 6 target=http://www.cnblogs.com/xrq730/archive/2018/06/11/9159586.html 7 req=requests.get(url=target) 8 html=req.text 9 bf=BeautifulSoup(html) 10 texts=bf.find_all(div,class_=blogpost-body) 11 #print(html) 12 print(texts[0].text.replace(<p><span style=\"font-size: 14px; font-family: 宋体;\">,\n\n\t)) 13 #print(texts[0].text.replace(‘\ax0‘*8,‘\n\n‘))

python requests 简单网页文本爬取

标签:使用   www   text   bs4   image   from   inf   文本   src   

原文地址:https://www.cnblogs.com/xy-ju24/p/9204416.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!