APP
Hello，大家好我叫是Dream呀，一个有趣的Python博主，小白一枚，多多关照 ?
入门须知：这片乐园从不缺乏天才，努力才是你的最终入场券！
最后，愿我们都能在看不到的地方闪闪发光，一起加油进步
“一万次悲伤，依然会有Dream，我一直在最温暖的地方等你”，唱的就是我！哈哈哈~
前言：越来越发现学爬虫就像找女朋友一样，慢慢来，找到合适的机会才能拿下！让我们来先把爬虫拿下吧！
爬虫BeautifulSoup模块从入门到入坑
一、拿下她的必要准备
1.构建页面：
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Title</title>
</head>
<body>
<div>
<ul>
<li id="l1">张三</li>
<li id="l2">李四</li>
<li>王五</li>
<a href="" id=""class="a1">尚硅谷</a>
<span>嘿嘿嘿</span>
</ul>
</div>
<a href="" title="a2">百度</a>
<div id="d1">
哈哈哈很牛哇
</div>
<p id="p1" class="p1">哈哈哈哈嘿嘿嘿</p>
</body>
</html>
2.知识储备：
# -*-coding:utf-8 -*-
# @Author:到点了,心疼徐哥哥
# 奥利给干！！！
from bs4 import BeautifulSoup
# 通过解析本地文件 来将bs4基础语法进行讲解
# 默认打开的文件的编码格式为gbk 打开文件时需要指定编码
soup = BeautifulSoup(open('bs4基本使用.html',encoding='utf-8'),'lxml')
# print(soup)
# 根据标签名查找节点
# 找到的是第一个符合条件的数据
# print(soup.a)
# 获取标签的属性和属性值
# print(soup.a.attrs)
# bs4的一些函数
# (1)find
# 返回的是第一个符合条件的数据
# print(soup.find('a'))
# 根据title的值来找到对应的
# print(soup.find('a',title="a2")) # <a href="" title="a2">百度</a>
# print(soup.find('a',class="a1")) # class是关键字，不能用。相当于古代皇帝叫这个名字，你不能用
# 根据class的值来找到对应的标签对象，注意的是class需要添加下划线
# print(soup.find('a',class_="a1")) # <a class="a1" href="" id="">尚硅谷</a>
# (2)find_all # 返回的是一个列表，并且返回所有的a标签
# print(soup.find_all('a'))# [<a class="a1" href="" id="">尚硅谷</a>, <a href="" title="a2">百度</a>]
# 如果想要获取的是多个标签的数据，那么需要在find_all的参数中添加的是列表的数据。
# print(soup.find_all(['a','span'])) # [<a class="a1" href="" id="">尚硅谷</a>, <span>嘿嘿嘿</span>, <a href="" title="a2">百度</a>]
# limit查找前几个数据
# print(soup.find_all('li',limit=2)) # [<li>张三</li>, <li>李四</li>]
# (3)select（推荐）
# select方法返回列表和多个数据
# print(soup.select('a')) # [<a class="a1" href="" id="">尚硅谷</a>, <a href="" title="a2">百度</a>]
# 可以通过.代表class 我们把这种操作叫做类选择器
# print(soup.select('.a1')) # [<a class="a1" href="" id="">尚硅谷</a>]
# print(soup.select('#l1')) # [<li id="l1">张三</li>]
# 属性选择器
# 查找li标签中有id的标签
# print(soup.select('li[id]')) # [<li id="l1">张三</li>, <li id="l2">李四</li>]
# 查找到li标签中id为l2的标签
# print(soup.select('li[id="l2"]')) # [<li id="l2">李四</li>]
# 层级选择器
# 后代选择器
# 找到的是div下面的li
# print(soup.select('div li')) # [<li id="l1">张三</li>, <li id="l2">李四</li>, <li>王五</li>]
# 子代选择器
# 某标签的第一级子标签
# 注意:很多的计算机编程语言中。如果不加空格不会输出内容 但是bs4中 不会报错 会显示内容
# print(soup.select('div > ul > li')) # [<li id="l1">张三</li>, <li id="l2">李四</li>, <li>王五</li>]
# 找到a标签和li标签
# print(soup.select('a,li')) # [<li id="l1">张三</li>, <li id="l2">李四</li>, <li>王五</li>, <a class="a1" href="" id="">尚硅谷</a>, <a href="" title="a2">百度</a>]
# 节点信息
# 获取节点内容
# obj = soup.select('#d1')[0]
# 如果标签对象中 只有内容 那么string和get_text()都可以使用
# 如果标签对象中 除了内容还有标签 那么string就获取不到数据 而get_text()是可以获取数据
# 我们一般情况下 推荐使用get_text()
# print(obj.string)
# print(obj.get_text())
# 节点属性
# obj = soup.select('#p1')[0]
# name是标签的名字
# print(obj.name)
# 将属性值作为一个字典返回
# print(obj.attrs)
# 获取节点的属性
obj = soup.select('#p1')[0]
print(obj.attrs.get('class'))
二、冬天的第一杯星巴克送给你！
1.开启寻她之路
首先，进入星巴克官网：星巴克，然后进入主页的菜单界面，找到星巴克的一些种类！
2.找到我喜欢的那个她
单击右键进行检查然后刷新界面：
在解析的网络模块数据中，我们看到了menu这个东西，我深深地被她吸引了，所以说我打算试一试，看看到底是啥吸引了我！
在她的预览中心，我们可以看到，有很多不同种类的咖啡：
然后在标头中找到我们需要的接口，来对她进行更深一步的了解：
3.更加深入的了解她的内心
1.尝试直接进入，看看她是否对我有防备
通过给定的接口直接进入：
import urllib.request
url = 'https://www.starbucks.com.cn/menu/'
response = urllib.request.urlopen(url)
content = response.read().decode('utf-8')
print(content)
得到我们的数据：
点击ctrl+F搜索一下之前页面上的第一杯奶茶：阿馥奇朵看看有没有：
我们可以看到找到了！
2.更加一步解析她的内心
对她大概有了一个了解之后，我们要深入到她的各个品性中去，我们她的每一个品性进行深入了解！
进一步分析，我们可以获取各类咖啡的不同解析位置：
这些标签里面的的小标签分别代表不同类型咖啡里面的不同名称。
进一步使用我的Xpath获取数据具体内容：
xpath不懂的同学自觉看：❤️1024不孤单！❤️Xpath爬虫——你最忠实的伴侣：老规矩给我一分钟，万字教你入手Xpath！⚡
获取具体内容：
4.初步打开心扉
按照我们刚才的步骤，使用bs4整理一下我们的思路代码：
import urllib.request
url = 'https://www.starbucks.com.cn/menu/'
response = urllib.request.urlopen(url)
content = response.read().decode('utf-8')
# print(content)
from bs4 import BeautifulSoup
soup = BeautifulSoup(content,'lxml')
# //ul[@class="grid padded-3 product"]//strong/text()
name_list = soup.select('ul[class="grid padded-3 product"] strong')
print(name_list)
得到：
5.分析完毕，直接拿下！！！
import urllib.request
url = 'https://www.starbucks.com.cn/menu/'
response = urllib.request.urlopen(url)
content = response.read().decode('utf-8')
# print(content)
from bs4 import BeautifulSoup
soup = BeautifulSoup(content,'lxml')
# //ul[@class="grid padded-3 product"]//strong/text()
name_list = soup.select('ul[class="grid padded-3 product"] strong')
# print(name_list)
for name in name_list:
print(name.string)
获取其中的字符串：
for name in name_list:
print(name.string)
# 或者
print(name.get_text())
❤️❤️❤️如果你喜欢的话，就不要吝惜你的一键三连了~
本文摘自 ：https://blog.51cto.com/u
