python網路爬蟲資訊組織與提取
提取HTML中所有URL連結
搜尋到所有<a>標籤
解析<a>標籤格式，提取href後的連結內容！
import requests
r = requests.get("http://python123.io/ws/demo.html")
r.text
demo = r.text
from bs4 import BeautifulSoup
soup = BeautifulSoup(demo , "html.parser")
print(soup.prettify())
from bs4 import BeautifulSoup
Soup = BeautifulSoup(demo, “html.parser”)
for link in soup.find_all('a'):
print(link.get(‘href’))
如果輸入報錯：
https://blog.csdn.net/weixin_42859280/article/details/84203450
find_all(name)
查詢所有的tag name：
for tag in soup.find_all(True):
Print(tag.name)
引入正則表示式：import re
匹配含有‘b’的標籤。並將其輸出！
查詢屬性。必須帶個‘p’。因為這個是一個類別。p中包含course字串的資訊！
對屬性做約束！看來通過，id=’link1’進行匹配的錯誤一個都不可以!
模糊查詢，就需要正則表示式啦！
Import re
soup.find_all(id=re.compile(‘link’))
以link開頭，但是不完全一致！
用正則表達只需要給出一部分就可以進行模糊搜尋！
soup.find_all('a',recursive=False)對子孫進行搜尋。
String:<>...</>中字串區域的檢索字串。
用過之後：
<tag>(..)等價於<tag>.find_all(..)
soup(..)等價於 soup.find_all(..)
7個方法：
總結：
三種標記資訊的比較：好多圖系列~
YAML:
JSON
HTML:
YAML1：
