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:

相关推荐
安之若素^10 分钟前
启用不安全的HTTP方法
java·开发语言
周树皮不皮14 分钟前
20250704【翻转&二叉树】|Leetcodehot100之226【pass】&今天计划
python
魔芋红茶15 分钟前
spring-initializer
python·学习·spring
喜欢吃豆20 分钟前
快速手搓一个MCP服务指南(九): FastMCP 服务器组合技术:构建模块化AI应用的终极方案
服务器·人工智能·python·深度学习·大模型·github·fastmcp
一个天蝎座 白勺 程序猿27 分钟前
Python(28)Python循环语句指南:从语法糖到CPython字节码的底层探秘
开发语言·python
持梦远方1 小时前
C 语言基础入门:基本数据类型与运算符详解
c语言·开发语言·c++
zzywxc7871 小时前
AI 正在深度重构软件开发的底层逻辑和全生命周期,从技术演进、流程重构和未来趋势三个维度进行系统性分析
java·大数据·开发语言·人工智能·spring
3gying1 小时前
chromedriver
python
灵性花火1 小时前
Qt的前端和后端过于耦合(0/7)
开发语言·前端·qt
DES 仿真实践家2 小时前
【Day 11-N22】Python类(3)——Python的继承性、多继承、方法重写
开发语言·笔记·python