jytlalala 2020-01-14 10:58 采纳率: 100%
浏览 2247
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

  • 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 多电路系统共用电源的串扰问题
  • ¥15 slam rangenet++配置
  • ¥15 有没有研究水声通信方面的帮我改俩matlab代码
  • ¥15 对于相关问题的求解与代码
  • ¥15 ubuntu子系统密码忘记
  • ¥15 信号傅里叶变换在matlab上遇到的小问题请求帮助
  • ¥15 保护模式-系统加载-段寄存器
  • ¥15 电脑桌面设定一个区域禁止鼠标操作
  • ¥15 求NPF226060磁芯的详细资料
  • ¥15 使用R语言marginaleffects包进行边际效应图绘制