当前位置：首页 > news >正文

Python 解析 html

news 2024/11/15 21:23:11

一、场景分析

假设有如下 html 文档：

写一段 python 脚本，解析出里面的数据，包括经度维度。

<div class='storelist'><ul><li lng="100.111111" lat="10.111111"><h4>联盟店1</h4><p><br />X市Y区Z街道 1000 号</p></li><li lng="101.111111" lat="11.111111"><h4>联盟店2</h4><p><br />X市Y区Z街道 1001 号</p></li><li lng="102.111111" lat="12.111111"><h4>联盟店3</h4><p><br />X市Y区Z街道 1002 号</p></li></ul>
</div>

二、步骤

1、安装 BeautifulSoup4 库

pip install bs4
或者
pip install beautifulsoup4

2、脚本内容

store.py 脚本内容如下：

from bs4 import BeautifulSoup# 官方文档：https://beautifulsoup.readthedocs.io/zh-cn/v4.4.0/#id14# 输入文档
input_path = r"C:\Users\Administrator\Desktop\py\html\store.html"
# 输出文档
output_path = r"C:\Users\Administrator\Desktop\py\html\data.txt"
# 以 append 追加方式打开输出文档
output_file = open(output_path, 'a', encoding='utf-8')# 打开 html 输入文档，并使用 Python 标准库 html.parser 解析成 BeautifulSoup 对象
soup = BeautifulSoup(open(input_path, 'r', encoding='utf-8'), 'html.parser')# 搜索文档树，获取到所有 li TAG 组成的数组
li_array = soup.find_all('li')# 遍历这个数组，并往输出文档输出信息
for i, li in enumerate(li_array):# print(li.contents)output_file.write('\n'+str(i+1)+'、'+li.contents[1].text)output_file.write('\n 经度：'+li['lng'])output_file.write('\n 维度：'+li['lat'])output_file.write('\n 名称：'+li.contents[1].text)output_file.write('\n 地址：'+li.contents[3].text.strip())output_file.close()

其中，contents 属性可以将 tag 的子节点以列表的方式输出：

print(li.contents)

我们可以用列表索引来获取它的某一个元素

li.contents[1] 表示 <h4>联盟店X</h4> 获取标签里面的内容，就是 li.contents[1].text

li.contents[3] 表示 <p></p> 因为 p 后面有换行，所以用 strip() 函数去掉换行符

不然输出结果就会变成

3、运行

py store.py

4、输出结果

1、联盟店1经度：100.111111维度：10.111111名称：联盟店1地址：X市Y区Z街道 1000 号
2、联盟店2经度：101.111111维度：11.111111名称：联盟店2地址：X市Y区Z街道 1001 号
3、联盟店3经度：102.111111维度：12.111111名称：联盟店3地址：X市Y区Z街道 1002 号