MyException - 我的异常网
当前位置:我的异常网» HTML/CSS » BeautifulSoup解析HTML(1)

BeautifulSoup解析HTML(1)

www.MyException.Cn  网友分享于:2013-03-13  浏览:116次
BeautifulSoup解析HTML(一)

用BeautifulSoup解析时要注意在有汉字的网页中编码解码问题,下面是获取大街网网页中class='jobInfo'的div标签的数据内容

from bs4 import BeautifulSoup
import urllib2

c = urllib2.urlopen('http://job.dajie.com/7262fae6-a1aa-4674-9efa-3baf697faa46.html')
soup = BeautifulSoup(c.read())

for div in soup.find_all('div'):
    if div.get('class') == ['jobInfo']:
        print 'find it'
        #print div.contents
        s = div.contents
        for x in s:
            if (x.encode('GB2312')) != '<br/>' and (x.encode('GB2312')) != '\n': #注意此处GB2312编码不是utf8
                print x.encode('GB2312')
        break


文章评论

软件开发程序错误异常ExceptionCopyright © 2009-2015 MyException 版权所有