基于python中BS库的Html源码整理
185 浏览量
2020-12-21
01:29:23
上传
评论
收藏 44KB PDF 举报
基于基于python中中BS库的库的Html源码整理源码整理
HTMLParser模块简介模块简介
我们使用urllib模块进行HTTP请求获取到的是整个网页的HTML，但是我们往往只需要其中一部分对我们有用的内容。这时我
们就可以使用HTMLParser模块来帮助我们处理HTML。
HTMLParser是Python内置的专门用来解析HTML的模块。利用HTMLParser，我们可以分析出一段HTML里面的标签、数据
等，是一种处理HTML的简便途径。
基于基于BS库的网页源码整理库的网页源码整理
假设我们在网上爬取了下列源码
html_doc = """
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...
"""
我们想要继续对其中的数据进行分析，但爬取后的html代码段格式较为混乱，那么我们可以使用BeautifulSoup中的 preettitf()
函数进行 对所爬取的代码进行初步的分行整理。
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc, 'html.parser')
print(soup.prettify())
整理后的结果为：
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie
,
Lacie
and
Tillie
;
and they lived at the bottom of a well.
...
整理后可以更清楚的看到源码的每层结构和片段归属。
WitherC
原创文章 7获赞 12访问量 735
评论0