| BeautifulSoup 提取某个tag标签里面的内容 | 您所在的位置：网站首页 › td标签中的class属性 › BeautifulSoup 提取某个tag标签里面的内容 |
BeautifulSoup 提取某个tag标签里面的内容
|
用的版本是BeautifulSoup4，用起来的确要比 re 好用一些，不用一个个的去写正则表达式，这样还是挺方便的。 比如我要获取高匿代理IP页面上的IP和端口，网址这里：点击打开链接，它的组织方式是这样的，如下图：
IP和端口 tr.td 标签里面，tr有class属性，属性有两种情况的值，对于这点我们可以用正则表达式来匹配下。当提取某一个标签里的具体内容时，可以用bs的 .string属性，注意：用 .string 属性来提取标签里的内容时，该标签应该是只有单个节点的。比如上面的 td 标签那样。下面直接上代码了。 import requests from bs4 import BeautifulSoup import re import os.path user_agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5)' headers = {'User-Agent': user_agent} session = requests.session() page = session.get("http://www.xicidaili.com/nn/1", headers=headers) soup = BeautifulSoup(page.text,'lxml') #这里没有装lxml的话,把它去掉用默认的就好 #匹配带有class属性的tr标签 taglist = soup.find_all('tr', attrs={'class': re.compile("(odd)|()")}) for trtag in taglist: tdlist = trtag.find_all('td') #在每个tr标签下,查找所有的td标签 print tdlist[1].string #这里提取IP值 print tdlist[2].string #这里提取端口值结果如下： 124.88.67.24 80 61.224.239.71 8080 113.3.78.124 8118 61.227.228.141 8080 222.130.171.58 8118 123.57.190.51 7777 183.61.71.112 8888 120.25.171.183 8080 1.164.146.91 8080 101.201.235.141 8000 121.193.143.249 80 118.180.15.152 8102 124.88.67.19 80 。 。 。 。 。 。 。
|
【本文地址】
公司简介
联系我们