BeautifulSoup应用笔记

来源：互联网发布：安徽继续教育在线软件编辑：程序博客网时间：2024/05/16 14:56

问题：

”“”

http://datalib.ent.qq.com/star/97/index.shtml

这网页里的明星个人资料我想爬取下来。。里面的源码大概是这样的。。
这些td我都能获取出来。。我只知道怎么获取标签的属性值。。。里面的内容不知道如何获取。。
请大家给个思路

“”“

#!/usr/bin/env python#coding=utf-8import os,urllib2from BeautifulSoup import BeautifulSoupdef getinfo(url): #检测url #略 st = '' page = urllib2.urlopen(url) soup = BeautifulSoup(page,fromEncoding="GBK") #开始解析 info = soup.findAll('td',height="23",align="left") for i in info: #isinstance(i.strong.string, unicode) ，此函数用以判断字符串是否为unicode编码 print i.strong.string,getstring(i.strong.nextSibling) st = st + str(i.strong.string)+str(getstring(i.strong.nextSibling))+'/n' fi = open("d://123.txt",'w') fi.write(st) fi.close()def getstring(s): try: return s.string except: return s if __name__=="__main__": url = "http://datalib.ent.qq.com/star/97/index.shtml" getinfo(url)