使用BeautifulSoup解析HTML文件
下面是一个使用BeautifulSoup解析HTML文件的示例代码：
from bs4 import BeautifulSoup # 创建一个HTML文件字符串 html_doc = """ <!DOCTYPE html> <html> <head> <title>pidancode.com</title> </head> <body> <h1>皮蛋编程</h1> <p>欢迎来到皮蛋编程网站！<br>我们致力于提供优质的编程教育资源。</p> <ul> <li><a href="https://www.pidancode.com/python">Python教程</a></li> <li><a href="https://www.pidancode.com/java">Java教程</a></li> <li><a href="https://www.pidancode.com/web">Web开发教程</a></li> </ul> </body> </html> """ # 用BeautifulSoup解析HTML文件 soup = BeautifulSoup(html_doc, 'html.parser') # 获取title标签的内容 print(soup.title.string) # 获取h1标签的内容 print(soup.h1.string) # 获取p标签的内容 print(soup.p.string) # 获取ul标签下的所有li标签 for li in soup.ul.find_all('li'): print(li.a.string, li.a['href'])
输出结果为：
pidancode.com 皮蛋编程 欢迎来到皮蛋编程网站！ Python教程 https://www.pidancode.com/python Java教程 https://www.pidancode.com/java Web开发教程 https://www.pidancode.com/web
在这个例子中，我们首先定义了一个HTML文件字符串html_doc，它包含了一个title标签、一个h1标签、一个p标签和一个ul标签。然后我们使用BeautifulSoup将这个字符串解析成一个对象soup。接着，我们使用soup对象来获取HTML文件中各个标签的内容或属性。
例如，我们可以使用soup.title来获取title标签对象，然后使用string属性来获取标签的文本内容，最终输出了pidancode.com。同样的，我们也可以使用soup.h1、soup.p等来获取其他标签的内容。我们还可以使用find_all方法来查找HTML文件中的特定标签或属性，例如我们在上面通过soup.ul.find_all('li')获取了ul标签下的所有li标签，并输出了它们的文本内容和href属性。
通过BeautifulSoup，我们可以很方便地解析HTML文件并从中提取出我们需要的信息。
相关文章