Python 獲取div標簽中的文字實例

更新時間：2018年12月20日 11:10:01 作者：明天依舊可好

今天小編就為大家分享一篇Python 獲取div標簽中的文字實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

預(yù)備知識點

compile 函數(shù)

compile 函數(shù)用于編譯正則表達式，生成一個正則表達式（ Pattern ）對象，供 match() 和 search() 這兩個函數(shù)使用。

語法格式為：

re.compile(pattern[, flags])
.compile(pattern[, flags])

參數(shù)：

pattern : 一個字符串形式的正則表達式

flags 可選，表示匹配模式，比如忽略大小寫，多行模式等，具體參數(shù)為：

re.I 忽略大小寫

re.L 表示特殊字符集 \w, \W, \b, \B, \s, \S 依賴于當前環(huán)境

re.M 多行模式

re.S 即為' . '并且包括換行符在內(nèi)的任意字符（' . '不包括換行符）

re.U 表示特殊字符集 \w, \W, \b, \B, \d, \D, \s, \S 依賴于 Unicode 字符屬性數(shù)據(jù)庫

re.X 為了增加可讀性，忽略空格和' # '后面的注釋

檢索和替換

Python 的re模塊提供了re.sub用于替換字符串中的匹配項。

語法：

re.sub(pattern, repl, string, count=0)
.sub(pattern, repl, string, count=0)

參數(shù)：

pattern : 正則中的模式字符串。

repl : 替換的字符串，也可為一個函數(shù)。

string : 要被查找替換的原始字符串。

count : 模式匹配后替換的最大次數(shù)，默認 0 表示替換所有的匹配。

Python中字符串前面加上 r 表示原生字符串，與大多數(shù)編程語言相同，正則表達式里使用"\"作為轉(zhuǎn)義字符，這就可能造成反斜杠困擾。假如你需要匹配文本中的字符"\"，那么使用編程語言表示的正則表達式里將需要4個反斜杠"\\\\"：前兩個和后兩個分別用于在編程語言里轉(zhuǎn)義成反斜杠，轉(zhuǎn)換成兩個反斜杠后再在正則表達式里轉(zhuǎn)義成一個反斜杠。Python里的原生字符串很好地解決了這個問題，這個例子中的正則表達式可以使用r"\\"表示。同樣，匹配一個數(shù)字的"\\d"可以寫成r"\d"。有了原生字符串，你再也不用擔心是不是漏寫了反斜杠，寫出來的表達式也更直觀。

思路整理：

在編程過程中遇到的部分問題在這里寫出來和大家共享

問題1：在編程過程中成功獲取了目標的名字，但是它存在于div框架中，我們要做的就是將div中的文字與標簽分開，在這里我們用的是正則表達式

問題2：

上代碼：

<span style="color:#000000"># -*- coding: UTF-8 -*-
import requests
import time
import re
from bs4 import BeautifulSoup
from urllib.request import urlretrieve
 
if __name__ == '__main__':
  list_url = []
  url = 'https://www.names.org/n/kevin/about'
  #設(shè)置請求頭信息
  headers = {
    "User-Agent":"Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/58.0.3029.110 Safari/537.36"
  }
  req = requests.get(url=url,headers=headers)
  req.encoding='utf-8'
  html=req.text
  bf = BeautifulSoup(html,'html.parser')
  targets_url_1 = bf.find_all(class_='container page-section')
  bf = BeautifulSoup(str(targets_url_1),'html.parser')
  targets_url_2 = bf.find_all(class_='name')
  
  #保存名字鏈接
  for each in targets_url_2:
    list_url.append(re.sub('[\t\n]',"",re.sub(r'<[^>]+>',"",str(each))))
  
  f = open('test.txt', 'w') #首先先創(chuàng)建一個文件對象，打開方式為w
  for each in list_url:
    f.writelines(each) #用readlines()方法寫入文件
    f.writelines('\n')
     
  print(list_url)
   
  print('下載完成！')
     </span>

以上這篇Python 獲取div標簽中的文字實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

您可能感興趣的文章: