小編給大家分享一下網(wǎng)頁用python爬取后進行解析的方法，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

站在用戶的角度思考問題，與客戶深入溝通，找到景東網(wǎng)站設計與景東網(wǎng)站推廣的解決方案，憑借多年的經(jīng)驗，讓設計與互聯(lián)網(wǎng)技術結(jié)合，創(chuàng)造個性化、用戶體驗好的作品，建站類型包括：成都網(wǎng)站建設、成都做網(wǎng)站、企業(yè)官網(wǎng)、英文網(wǎng)站、手機端網(wǎng)站、網(wǎng)站推廣、域名注冊、虛擬主機、企業(yè)郵箱。業(yè)務覆蓋景東地區(qū)。

一、利用webbrowser.open()打開一個網(wǎng)站：

>>> import webbrowser 
>>> webbrowser.open('http://i.firefoxchina.cn/?from=worldindex') 
True

實例：使用腳本打開一個網(wǎng)頁。

所有Python程序的第一行都應以#!python開頭，它告訴計算機想讓Python來執(zhí)行這個程序。（我沒帶這行試了試，也可以，可能這是一種規(guī)范吧）

1.從sys.argv讀取命令行參數(shù)：打開一個新的文件編輯器窗口，輸入下面的代碼，將其保存為map.py。

2.讀取剪貼板內(nèi)容：

3.調(diào)用webbrowser.open()函數(shù)打開外部瀏覽：

#! python3 
import webbrowser, sys, pyperclip 
if len(sys.argv) > 1: 
 mapAddress = ''.join(sys.argv[1:]) 
else: 
 mapAddress = pyperclip.paste() 
webbrowser.open('http://map.baidu.com/?newmap=1&ie=utf-8&s=s%26wd%3D' + mapAddress

注：不清楚sys.argv用法的，請參考這里；不清楚.join()用法的，請參考這里。sys.argv是字符串的列表，所以將它傳遞給join()方法返回一個字符串。

好了，現(xiàn)在選中'天安門廣場'這幾個字并復制，然后到桌面雙擊你的程序。當然你也可以在命令行找到你的程序，然后輸入地點。

二、用requests模塊從Web下載文件：

requests模塊不是Python自帶的，通過命令行運行pip install request安裝。沒翻墻是很難安裝成功的，手動安裝可以參考這里。

>>> import requests 
>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex') #向get中傳入一個網(wǎng)址 
>>> type(res) #響應對象 
 
>>> print(res.status_code) #響應碼 
200
>>> res.text #返回的文本

requests中查看網(wǎng)上下載的文件內(nèi)容的方法還有很多，如果以后的博客用的到，會做說明，在此不再一一介紹。在下載文件的過程中，用raise_for_status()方法可以確保下載確實成功，然后再讓程序繼續(xù)做其他事情。

import requests 
res = requests.get('http://i.firefoxchina.cn/?from=worldindex') 
try: 
 res.raise_for_status() 
except Exception as exc: 
 print('There was a problem: %s' % (exc))

三、將下載的文件保存到本地：

>>> import requests 
>>> res = requests.get('http://tech.firefox.sina.com/17/0820/10/6DKQALVRW5JHGE1I.html##0-tsina-1-13074- 
397232819ff9a4 
7a7b7e80a40613cfe1') 
>>> res.raise_for_status() 
>>> file = open('1.txt', 'wb') #以寫二進制模式打開文件，目的是保存文本中的“Unicode編碼” 
>>> for word in res.iter_content(100000): #iter_content()

方法在循環(huán)的每次迭代中返回一段bytes數(shù)據(jù)類型的內(nèi)容，你需要指定其包含的字節(jié)數(shù) 
 file.write(word) 
    
16997
>>> file.close()

四、用BeautifulSoup模塊解析HTML：在命令行中用pip install beautifulsoup4安裝它。

1.bs4.BeautifulSoup()函數(shù)可以解析HTML網(wǎng)站鏈接requests.get()，也可以解析本地保存的HTML文件，直接open()一個本地HTML頁面。

>>> import requests, bs4 
>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex') 
>>> res.raise_for_status() 
>>> soup = bs4.BeautifulSoup(res.text) 
  
Warning (from warnings module): 
 File "C:\Users\King\AppData\Local\Programs\Python\Python36-32\lib\site-packages\beautifulsoup4-4.6.0-py3.6.egg
 \bs4\__init__.py", line 181
 markup_type=markup_type)) 
UserWarning: No parser was explicitly specified, so I'm using the best available HTML parser for this 
system 
("html.parser"). This usually isn't a problem, but if you run this code on another system, or in a 
different virtual 
environment, it may use a different parser and behave differently. 
  
The code that caused this warning is on line 1 of the file . To get rid of this warning, 
change code that 
looks like this:   
 BeautifulSoup(YOUR_MARKUP})   
to this:   
 BeautifulSoup(YOUR_MARKUP, "html.parser") 
  
>>> soup = bs4.BeautifulSoup(res.text, 'html.parser') 
>>> type(soup) 

我這里有錯誤提示，所以加了第二個參數(shù)。

>>> import bs4 
>>> html = open('C:\\Users\\King\\Desktop\\1.htm') 
>>> exampleSoup = bs4.BeautifulSoup(html) 
>>> exampleSoup = bs4.BeautifulSoup(html, 'html.parser') 
>>> type(exampleSoup) 

2.用select()方法尋找元素：需傳入一個字符串作為CSS“選擇器”來取得Web頁面相應元素，例如：

soup.select('div')：所有名為

>>> import requests, bs4 
>>> res = requests.get('http://i.firefoxchina.cn/?from=worldindex') 
>>> res.raise_for_status() 
>>> soup = bs4.BeautifulSoup(res.text, 'html.parser') 
>>> author = soup.select('#author') 
>>> print(author) 
[] 
>>> type(author) 
 
>>> link = soup.select('link ') 
>>> print(link) 
[, , , ] 
>>> type(link) 
 
>>> len(link) 
4
>>> type(link[0]) 
 
>>> link[0] 
 
>>> link[0].attrs 
{'rel': ['stylesheet'], 'type': 'text/css', 'href': 'css/mozMainStyle-min.css?v=20170705'}

>>> link[0].get('href') 
'css/mozMainStyle-min.css?v=20170705