jytlalala 2020-01-14 10:58 采纳率: 100%
浏览 2250
已采纳

用python提取div里的文本

import requests
from bs4 import BeautifulSoup
import pprint
import json
url="http://www.miaomu.com/qyml/default.asp"
r= requests.get(url)
html=r.content.decode('gbk','ignore')
soup=BeautifulSoup(html,"html.parser")
articles=soup.find_all("div",{"class":"gyjtnr"})
articles图片说明

  • 写回答

3条回答 默认 最新

  • 7*24 工作者 2020-01-14 13:30
    关注

    可以参考下

    # -*- coding:utf-8 -*-
    
    import requests
    from lxml import etree
    from pprint import pprint
    
    def get_html(url):
        headers = {"User-Agent":"Mozilla/5.0 (compatible; MSIE 9.0; AOL 9.0; Windows NT 6.0; Trident/5.0)",}
        r = requests.get(url,headers=headers)
        return r.content.decode('gb2312','ignore')
    
    def parse_html(text):
        infos = {}
        html = etree.HTML(text)
        datas = html.xpath("//div[@class='gynr']/div[@class='gyjtnr']")
        for index,data in enumerate(datas,1):
            name = html.xpath("//div[@class='gynr']/p[%s]//b/text()" % index)[0]
            content = ''.join(data.xpath("./text()"))
            if name not in infos.keys():
                infos[name] = content
        return infos
    
    
    if __name__ == '__main__':
        url="http://www.miaomu.com/qyml/default.asp"
        html = get_html(url=url)
        if html:
            infos = parse_html(text=html)
            pprint(infos)
    
    
    本回答被题主选为最佳回答 , 对您是否有帮助呢?
    评论
查看更多回答(2条)

报告相同问题?

悬赏问题

  • ¥15 如何在scanpy上做差异基因和通路富集?
  • ¥20 关于#硬件工程#的问题,请各位专家解答!
  • ¥15 关于#matlab#的问题:期望的系统闭环传递函数为G(s)=wn^2/s^2+2¢wn+wn^2阻尼系数¢=0.707,使系统具有较小的超调量
  • ¥15 FLUENT如何实现在堆积颗粒的上表面加载高斯热源
  • ¥30 截图中的mathematics程序转换成matlab
  • ¥15 动力学代码报错,维度不匹配
  • ¥15 Power query添加列问题
  • ¥50 Kubernetes&Fission&Eleasticsearch
  • ¥15 報錯:Person is not mapped,如何解決?
  • ¥15 c++头文件不能识别CDialog