这篇文章主要介绍了python解析网页的方法,具有一定借鉴价值,需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获。下面让小编带着大家一起了解一下。
要理解python是如何解析网页的,首先要理解什么是解析器。
<强>一、什么是网页解析器
1,网页解析器名词解释
首先让我们来了解下,什么是网页解析器,简单的说就是用来解析html网页的工具,准确的说:它是一个html网页信息提取工具,就是网从html页中解析提取出“我们需要的有价值的数据”或者”新URL的链接”的工具。
2,网页解析图解
<强>二,python网页解析器
1,常见的python网页
常见的python网页解析工具有:再保险正则匹配,python自带的html.parser模块,第三方库BeautifulSoup(重点学习)以及lxm库。
2,常见网页解析器分类
以上四种网页解析器,是两种不同类型的解析器:
(1)模糊匹配
再保险正则表达式即为字符串式的模糊匹配模式;
(2)结构化解析
BeatufiulSoup, html。解析器与lxml为“结构化解析“模式,他们都以DOM树结构为标准,进行标签结构信息的提取。()
(3)结构化解析
我们在了解什么是结构化解析之前,需要先了解下什么是DOM树这个概念。
DOM树解释:即文档对象模型(文档对象模型),其树形标签结构,请见下图。
而所谓结构化解析,就是网页解析器它会将下载的整个HTML文档当成一个Doucment对象,然后在利用其上下结构的标签形式,对这个对象进行上下级的标签进行遍历和信息提取操作。
感谢你能够认真阅读完这篇文章,希望小编分享python解析网页的方法内容对大家有帮助,同时也希望大家多多支持,关注行业资讯频道,遇到问题就找,详细的解决方法等着你来学习!
