1、requests庫
http協議中，最常用的就是GET方法： import requests response = requests.get('http://www.baidu.com') print(response.status_code) # 打印狀態碼 print(response.url) # 打印請求url print(response.headers) # 打印頭信息 print(response.cookies) # 打印cookie信息 print(response.text) #以文本形式打印網頁源碼 print(response.content) #以字節流形式打印
除此GET方法外，還有許多其他方法：
import requests requests.get('http://httpbin.org/get') requests.post('http://httpbin.org/post') requests.put('http://httpbin.org/put') requests.delete('http://httpbin.org/delete') requests.head('http://httpbin.org/get') requests.options('http://httpbin.org/get')
2、BeautifulSoup庫
BeautifulSoup庫主要作用：
經過Beautiful庫解析后得到的Soup文檔按照標准縮進格式的結構輸出，為結構化的數據，為數據過濾提取做出准備。
Soup文檔可以使用find()和find_all()方法以及selector方法定位需要的元素：
1. find_all()方法
soup.find_all('div',"item") #查找div標簽，class="item"
find_all(name, attrs, recursive, string, limit, **kwargs)
@PARAMS:
name: 查找的value，可以是string，list，function，真值或者re正則表達式
attrs: 查找的value的一些屬性，class等。
recursive: 是否遞歸查找子類，bool類型
string: 使用此參數，查找結果為string類型；如果和name搭配，就是查找符合name的包含string的結果。
limit: 查找的value的個數
**kwargs: 其他一些參數
2. find()方法
find()方法與find_all()方法類似，只是find_all()方法返回的是文檔中符合條件的所有tag,是一個集合，find()方法返回的一個Tag
3、select()方法
soup.selector(div.item > a > h1) 從大到小，提取需要的信息，可以通過瀏覽器復制得到。
select方法介紹
示例：
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" rel="external nofollow" class="sister" id="link1"><!-- Elsie --></a>,
<a href="http://example.com/lacie" rel="external nofollow" rel="external nofollow" rel="external nofollow" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" rel="external nofollow" rel="external nofollow" rel="external nofollow" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
在寫css時，標簽名不加任何修飾，類名前加點，id名前加 #，我們可以用類似的方法來篩選元素，用到的方法是soup.select()，返回類型是list。
(1).通過標簽名查找
print(soup.select('title')) #篩選所有為title的標簽，並打印其標簽屬性和內容 # [<title>The Dormouse's story</title>] print(soup.select('a')) #篩選所有為a的標簽 # [<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>] print(soup.select('b')) #篩選所有為b的標簽，並打印 # [<b>The Dormouse's story</b>]
(2).通過類名查找
print soup.select('.sister') #查找所有class為sister的標簽，並打印其標簽屬性和內容 # [<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>, <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>, <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]
(3).通過id名查找
print soup.select('#link1') #查找所有id為link1的標簽，並打印其標簽屬性和內容 #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
(4).組合查找
組合查找即和寫class文件時，標簽名與類名、id名進行的組合原理是一樣的，例如查找p標簽中，id等於link1的內容，二者需要空格分開。
print soup.select('p #link1') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
直接子標簽查找
print soup.select("head > title") #[<title>The Dormouse's story</title>]
(5).屬性查找
查找時還可以加入屬性元素，屬性需要用中括號括起來，注意屬性和標簽屬於同一節點，所以中間不能加空格，否則會無法匹配到。
print soup.select("head > title") #[<title>The Dormouse's story</title>] print soup.select('a[href="http://example.com/elsie"]') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
屬性仍然可以與上述查找方式組合，不在同一節點的空格隔開，同一節點的不加空格。
print soup.select('p a[href="http://example.com/elsie"]') #[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
BeautifulSoup庫例句：
from bs4 import BeautifulSoup import requests f = requests.get(url,headers=headers) soup = BeautifulSoup(f.text,'lxml') for k in soup.find_all('div',class_='pl2'): #找到div並且class為pl2的標簽 b = k.find_all('a') #在每個對應div標簽下找a標簽，會發現，一個a里面有四組span n.append(b[0].get_text()) #取第一組的span中的字符串
3、lxml庫
lxml 是 一個HTML/XML的解析器，主要的功能是如何解析和提取 HTML/XML 數據。
示例如下：
# 使用 lxml 的 etree 庫 from lxml import etree text = ''' <div> <ul> <li class="item-0"><a href="link1.html">first item</a></li> <li class="item-1"><a href="link2.html">second item</a></li> <li class="item-inactive"><a href="link3.html">third item</a></li> <li class="item-1"><a href="link4.html">fourth item</a></li> <li class="item-0"><a href="link5.html">fifth item</a> # 注意，此處缺少一個 </li> 閉合標簽 </ul> </div> ''' #利用etree.HTML，將字符串解析為HTML文檔 html = etree.HTML(text) # 按字符串序列化HTML文檔 result = etree.tostring(html) print(result)
輸出結果如下：
<html><body> <div> <ul> <li class="item-0"><a href="link1.html">first item</a></li> <li class="item-1"><a href="link2.html">second item</a></li> <li class="item-inactive"><a href="link3.html">third item</a></li> <li class="item-1"><a href="link4.html">fourth item</a></li> <li class="item-0"><a href="link5.html">fifth item</a></li> </ul> </div> </body></html>
可以看到。lxml會自動修改HTML代碼。例子中不僅補全了li標簽，還添加了body，html標簽。
4、json庫
| 函數 | 描述 |
|---|---|
| json.dumps | 將python對象編碼成JSON字符串 |
| json.loads | 將已編碼的JSON字符串解析為python對象 |
1. json.dumps的使用
#!/usr/bin/python import json data = [ { 'name' : '張三', 'age' : 25}, { 'name' : '李四', 'age' : 26} ] jsonStr1 = json.dumps(data) #將python對象轉為JSON字符串 jsonStr2 = json.dumps(data,sort_keys=True,indent=4,separators=(',',':')) #讓JSON數據格式化輸出,sort_keys:當key為文本，此值為True則按順序打印，為False則隨機打印 jsonStr3 = json.dumps(data, ensure_ascii=False) #將漢字不轉換為unicode編碼 print(jsonStr1) print('---------------分割線------------------') print(jsonStr2) print('---------------分割線------------------') print(jsonStr3)
輸出結果：
[{"name": "\u5f20\u4e09", "age": 25}, {"name": "\u674e\u56db", "age": 26}] ---------------分割線------------------ [ { "age":25, "name":"\u5f20\u4e09" }, { "age":26, "name":"\u674e\u56db" } ] ---------------分割線------------------ [{"name": "張三", "age": 25}, {"name": "李四", "age": 26}]
2. json.loads的使用
#!/usr/bin/python import json data = [ { 'name' : '張三', 'age' : 25}, { 'name' : '李四', 'age' : 26} ] jsonStr = json.dumps(data) print(jsonStr) jsonObj = json.loads(jsonStr) print(jsonObj) # 獲取集合第一個 for i in jsonObj: print(i['name'])
輸出結果為：
[{"name": "\u5f20\u4e09", "age": 25}, {"name": "\u674e\u56db", "age": 26}] [{'name': '張三', 'age': 25}, {'name': '李四', 'age': 26}] 張三 李四`