7-13爬虫入门之BeautifulSoup对网页爬取内容的解析

2021-06-23 16:03

阅读：623

标签：获取 str _id 研究爬虫 code sts bsp href

通过beautifulsoup对json爬取的文件进行元素审查，获取是否含有p标签

# -*- coding:utf-8 -*-
from lxml import html
import requests
import json
import re
import scrapy
from bs4 import BeautifulSoup



#通过beautifulsoup解析文档
def bs4analysis(html_doc):
    soup = BeautifulSoup(html_doc,"lxml")
    if soup.find_all(‘a‘):
        print soup.a.string
        print soup.a.nextSibling
    elif html_doc.find(‘#‘)>=0:
        print ‘有主题‘
        p=re.split(‘#‘,html_doc)
        print ‘p0‘+p[0]
        print ‘p1‘+p[1]
        print ‘p2‘+p[2]
    else:        
        print ‘haha‘
   

html_doc=‘‘‘
#毕业季#  云端祝福！祝全体2017届毕业生及全球人前程似锦。 秒拍视频
‘‘‘
html_doc2=‘‘‘
#早安# 万木沉酣新雨后，百昌苏醒晓风前，四时可爱唯春色，一事能狂便少年。——王国维
‘‘‘

html_doc3=‘‘‘
#通知公告#南区浴室男生区因突发水管爆裂，今日起将关闭2间浴室，请各位提早安排应对。
‘‘‘
html_doc4=‘‘‘
我发表了头条文章:《共建美术学院签约暨上海吴淞国际艺术城发展研究院揭牌仪式举行》 共建美术学院签约暨上海吴淞国际艺术城发展研究院揭牌仪式举行 ???
‘‘‘
html_doc5=‘‘‘
#分享# 斗转星移，岁月如梭
‘‘‘
if __name__ == ‘__main__‘:
    f = open(‘shuweibo.txt‘, ‘r‘)
    fh = open(‘analysis.txt‘, ‘a‘)
    while True:
        line = f.readline()
        if line == ‘‘:
            break
        print ‘*******************‘
        bs4analysis(line)
        print ‘*******************‘
        


    f.close()
    fh.close()