Python 解析 html

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。

html 复制代码

<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

python 复制代码

pip install bs4
或者
pip install beautifulsoup4

2、脚本内容

store.py 脚本内容如下：

python 复制代码

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：

python 复制代码

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

python 复制代码

py store.py

4、输出结果

python 复制代码

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

三、拥抱AI

像这种简单的脚本程序，现在都可以叫 AI (比如豆包) 帮我们写：