開始使用_BeautifulSoup

Python模組的第二利器: 來分析HTML吧!

既然是要分析取得資訊，最直接的方法就是先由人判斷!

分析器雖然能了解整體的html標籤樹狀架構，但是對他來說更細節的資料是沒有意義的，除非多了一個語意分析，那樣就要從訓練模型開始了(又生旁枝了?)，所以當然是由人先來擔任這個角色，在讀了html文檔之後，找出想要資料的標籤規則，然後再告訴分析器，

ex. 我要找"xxx"tag! 請幫我找"ooo"tag

這樣分析器找到資料後，就會把資料吐處來，也就能取得資料了。(這邊連續說了三個資料!)

• BeautifulSoup

一樣使用最基本的檢查，找到想要的物件在哪個標籤裡。

像這樣:

私心選了自己喜歡的樂團官網
目標很明顯要拿src的內容，也就是圖片url~


接下就來看看要怎麼告訴分析器 我要img tag!

首先需要將取得的html文檔轉成BeautifulSoup物件。
(這邊要特別注意編碼問題)

中文轉碼參考: http://www.jianshu.com/p/69401b84419e

因為對方完全沒檔，所以直接下規則就拿到URL了!
(一般要加標頭檔的)

在BeautifulSoup的物件名稱
最主要的就是 Tag (也就是標籤，soup就是一顆標籤樹!)
標籤內的屬性就是 Attributes (提供用全拿.attrs，與特定['NAME'])
更多語法: http://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/#id13

回到原本的漫畫網站。

現在，已經能用BeautifulSoup&Requests來做基本的parser了

但是，怎麼可能讓你輕鬆就偷盜圖呢!

(我這好像是在做壞事...ˊ~ˋ)

所以接下來要面對動態產生內容的問題。

後記: 這次好像寫得很瑣碎~分分鐘的事也能寫這麼多內容XD

上一篇從requests開始    下一篇開始動態內容