0.可以新建一個用於練習的html文件，在瀏覽器中打開。

1.利用requests.get(url)獲取網頁頁面的html文件

import requests

newsurl=‘http://news.gzcc.cn/html/xiaoyuanxinwen/‘

res = requests.get(newsurl) #返回response對象

res.encoding=‘utf-8‘

2.利用BeautifulSoup的HTML解析器，生成結構樹

from bs4 import BeautifulSoup

soup = BeautifulSoup(res.text,‘html.parser‘)

3.找出特定標簽的html元素

soup.p #標簽名，返回第一個

soup.head

soup.p.name #字符串

soup.p. attrs #字典，標簽的所有屬性

soup.p. contents # 列表，所有子標簽

soup.p.text #字符串

soup.p.string

soup.select(‘li‘)

4.取得含有特定CSS屬性的元素

soup.select(‘#p1Node‘)

soup.select(‘.news-list-title‘)

5.練習：

取出h1標簽的文本

取出a標簽的鏈接

for k in soup.find_all(‘a‘):
 print
 
(k[‘href‘])

取出所有li標簽的所有內容

for z in soup.find_all(‘li‘):
        print(z)

取出第2個li標簽的a標簽的第3個div標簽的屬性

soup.select(‘li‘)[1].a.select(‘div‘)[2].text

取出一條新聞的標題、鏈接、發布時間、來源

soup.select(‘.news-list-title‘)[0]
soup.select(‘li‘)[10].a.attrs[‘href‘]
soup.select(‘.news-list-info‘)[0].contents[0].text
soup.select(
 
‘.news-list-info‘)[0].contents[1].txt

網絡爬蟲基礎練習