【python】使用 Beautifulsoup 修改html标签属性，感觉比正则表达式帅多了_beautifulsoup修改html_浮点型队友的博客

要修改的index.html文件：

代码和详细注释：

在pycharm中的代码如下
# 如何修改html的标签属性值，把正则流打的落花流水三千里
from bs4 import BeautifulSoup
with open("index.html","r",encoding="utf-8") as file:
    fcontent=file.read()
    sp=BeautifulSoup(fcontent, 'lxml') 
    label_single = sp.link		#获得标签link ， 类型为<class 'bs4.element.Tag'>
    label_1['href'] = "./highslide.css"   #利用字典，把href的内容改成当前路径下的css
    #接下来要修改标签script内的src值，但是我们发现sp.tag, 只能够得到第一个对应的标签，
    #而我这里有2个或者多个script标签，于是上面的代码方式就不适用了！		
    #那如何遍历赋值呢？请往下看
    # 修改script标签
    src_list = ["./jquery.min.js", "./drilldown.js" ]
    # 把所有的script标签找出来。注意findAll中的A要大写！
    label_list = sp.findAll('script')
    # 然后遍历这个标签列表，将src属性值依次修改
    i = 0
    for label in label_list:
        label["src"] = src_list[i]   # src_list[i]类型也是<class 'bs4.element.Tag'>
        i +=1
    #最后将其写入
with open('index.html', 'w') as fp:
    fp.write(sp.prettify())   # prettify()的作用是将sp美化一下，有可读性

最后生成的index.html，其中我们修改的标签属性值如下：

要修改的index.html文件：<head><link href=“https://www.highcharts.com/highslide/highslide.css” rel=“stylesheet” /><script type=“text/javascript” src=“https://ajax.googleapis.com/ajax/libs/jquery/1.9.1/jquery.min.js”><script type=“text/j. 还有一年多就要毕业了，不准备考研的我要着手准备找实习及工作了，所以一直没有更新。因为 Python 是自学不久，发现很久不用的话以前学过的很多方法就忘了，今天打算使用简单的 BeautifulSoup 和一点 正则表达式 的方法来爬一下top100电影，当然，我们并不仅是使用爬虫爬取数据，这样的话，数据中存在很多的对人有用的信息则被忽略了。所以，爬取数据只是开头，对这些数据根据意愿进行分析，或许能有额外的收获。注：本人还是 Python 菜鸟，若有错误欢迎指正本次我们爬取时光网（http://www.mtime.com/top/movie/top100/）上的电影排名，该网站网页结构较简单，爬取方

最近有个小项目，需要爬取页面上相应的资源数据后，保存到本地，然后将原始的 HTML 源文件保存下来，对 HTML 页面的内容进行修改将某些标签整个给替换掉。对于这类需要对 HTML 进行操作的需要，最方便的莫过于 BeautifulSoup 4的库了。样例的 HTML 代码如下： <a class="videoslide" href="http://www.test.com/wp-content/uploads/1020/1381824922.JPG"&gt

BeautifulSoup 解析库 https:// beautifulsoup .readthedocs.io/zh_CN/v4.4.0/ Beautiful Soup 是一个可以从 HTML 或XML文件中提取数据的 Python 库。它能够通过你喜欢的转换器实现惯用的文档导航,查找, 修改文档的方式。可以先创建一个 HTML 文本为 html _doc. html 。 < html ><head><title>The Dormouse's story</title></head

from bs4 import BeautifulSoup soup = BeautifulSoup ('<p>Hello</p>','lxml') print(soup.p.string)#获取p 标签的字符串 from bs4 import BeautifulSoup html = ...

### 回答1： Python Beautiful Soup 是一个用于解析 HTML 和 XML 文档的 Python 库，可以帮助开发者快速地从网页中提取所需的数据。使用 Beautiful Soup 爬虫可以轻松地获取网站上的数据，并进行数据分析和处理。Beautiful Soup 提供了一些方便的方法，如 find() 和 find_all()，可以根据标签、属性和文本内容等条件来查找网页中的元素。同时，Beautiful Soup 还支持 CSS 选择器和 正则表达式 等高级查找方式，可以满足不同的爬虫需求。 ### 回答2： Python Beautiful Soup是一种流行的开源库，旨在帮助人们轻松爬取网站数据。 Beautiful Soup库针对 HTML 和XML等文档进行解析，使编写网络爬虫更加简单。 Beautiful Soup的主要功能在于捕获和分析 HTML 或XML代码。它允许用户按标签、属性、CSS选择器等对网页代码进行筛选，并解析出这些代码。这样，用户就可以轻松地从网站上收集信息，包括网站内容、文本、链接、图像等。使用 Beautiful Soup提供的字符串解析功能，可以更快速、更方便地读取和操作文本。与其他的解析器相比，例如lxml、 html 5lib等，Beautiful Soup是比较适合初学者使用的。因此，Beautiful Soup库是 Python 编写网络爬虫程序的首选之一。基本的使用步骤如下： 1. 从网站抓取 html 数据，可以使用 requests或urllib库进行获取。 2. 将抓取的 html 数据解析成 BeautifulSoup 对象。 3. 使用 BeautifulSoup 对象进行标签选择、属性选择等操作，获取需要的信息。可以对Beautiful Soup进行进一步的扩展来实现网络爬虫。使用过 BeautifulSoup 的人都知道，它是一个功能强大的库，可以用于几乎任何类型的网页。如果您正在编写一个 Python 网络爬虫程序或希望从网站上提取数据，那么Beautiful Soup应该是您的首选。 ### 回答3： Beautiful Soup是一个 Python 库，用于从 HTML 或XML文件中提取数据。它可以解析整个 HTML 或XML文件，然后根据标签、属性等特定规则进行提取。 BeautifulSoup 是一个功能强大的爬虫工具，在爬取网页时可以实现快速获取网页中的信息，并且非常便于使用。使用 BeautifulSoup 进行简单的网页爬取非常容易。首先，我们需要导入 BeautifulSoup 库和其他需要的库： from urllib.request import urlopen from bs4 import BeautifulSoup 然后，我们可以使用 urlopen()函数打开网页并获取网页代码。一旦我们有了网页代码，我们就可以使用 BeautifulSoup ()函数来解析它。下面是一个简单的例子： url = "http://www.example.com/" html = urlopen(url) soup = BeautifulSoup ( html , ' html .parser') print(soup) 这个例子会从http://www.example.com/网站上获取 HTML 代码，并使用 BeautifulSoup 进行解析。最后，它会打印出整个解析后的 HTML 代码。如果我们想要获取特定标签或属性的内容，我们可以使用 BeautifulSoup 对象的一些方法，例如find()、find_all()、get()等等。下面是一个例子： url = "http://www.example.com/" html = urlopen(url) soup = BeautifulSoup ( html , ' html .parser') title = soup.find('title') print(title) links = soup.find_all('a') for link in links: print(link.get('href')) 这个例子会在http://www.example.com/网站上查找所有的链接，并输出链接的URL地址。在使用 BeautifulSoup 进行网页爬取时，我们需要注意一些注意事项。首先，我们需要尊重网站的爬虫规则，不要频繁地爬取同一个网站，并且不要对网站发起过于频繁或过于大量的请求。其次，我们需要了解 HTML 或XML的基本知识，以便正确地解析网页内容。最后，我们需要使用一些其他技术，例如多线程、代理等方式来加速爬取过程，并且避免被网站封禁。