BeautifulSoup 提取某个tag标签里面的内容

来源：互联网发布：双色球算法公式技巧编辑：程序博客网时间：2024/06/01 08:08

用的版本是BeautifulSoup4，用起来的确要比 re 好用一些，不用一个个的去写正则表达式，这样还是挺方便的。

比如我要获取高匿代理IP页面上的IP和端口，网址这里：点击打开链接，它的组织方式是这样的，如下图：

IP和端口 tr.td 标签里面，tr有class属性，属性有两种情况的值，对于这点我们可以用正则表达式来匹配下。当提取某一个标签里的具体内容时，可以用bs的 .string属性，注意：用 .string 属性来提取标签里的内容时，该标签应该是只有单个节点的。比如上面的 td 标签那样。下面直接上代码了。

import requestsfrom bs4 import BeautifulSoupimport reimport os.pathuser_agent = 'Mozilla/5.0 (Macintosh; Intel Mac OS X 10_11_5)'headers = {'User-Agent': user_agent}session = requests.session()page = session.get("http://www.xicidaili.com/nn/1", headers=headers)soup = BeautifulSoup(page.text,'lxml')  #这里没有装lxml的话,把它去掉用默认的就好#匹配带有class属性的tr标签taglist = soup.find_all('tr', attrs={'class': re.compile("(odd)|()")})for trtag in taglist:    tdlist = trtag.find_all('td')  #在每个tr标签下,查找所有的td标签    print tdlist[1].string   #这里提取IP值    print tdlist[2].string   #这里提取端口值

结果如下：

124.88.67.248061.224.239.718080113.3.78.124811861.227.228.1418080222.130.171.588118123.57.190.517777183.61.71.1128888120.25.171.18380801.164.146.918080101.201.235.1418000121.193.143.24980118.180.15.1528102124.88.67.1980。。。。。。。

0 0