python安全工具开发笔记(六)——Python爬虫BeautifulSoup模块的介绍

一、Python爬虫基础知识介绍

1.1 Python相关库

1、requests、re
2、BeautifulSoup
3、hackhttp

1.2 Python BeautifulSoup

Python BeautifulSoup模块的使用介绍∶

1、解析内容
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)

2、浏览数据
soup.title
soup.title.string

3、BeautifulSoup正则使用
soup.find_all(name= ‘x’,attrs={‘xx’:re.compile(‘xxx’)})

二、Python爬虫简单实现

示例一:

import requests
from bs4 import BeautifulSoup

url = 'https://www.ichunqiu.com/competition/all'
headers = {

    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:91.0) Gecko/20100101 Firefox/91.0',
    }
r = requests.get(url,headers=headers)
soup = BeautifulSoup(r.content,'lxml')#解析html

print(soup.title)#输出title标签
print(soup.title.string)#输出title标签的值

在这里插入图片描述

示例二:

import requests
from bs4 import BeautifulSoup

url = 'https://www.ichunqiu.com/competition/all'
headers = {

    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:91.0) Gecko/20100101 Firefox/91.0',
    }
r = requests.get(url,headers=headers)
soup = BeautifulSoup(r.content,'lxml')#解析html

#print(soup.title)#输出title标签
#print(soup.title.string)#输出title标签的值

com_nes = soup.find_all(name='a')#name=标签值,attrs=标签内的内容(可以不),示例:com_nes = soup.find_all(name='a',attrs={'class':'ui_colorG'}),
for coms in com_nes:
    if coms.string != None:
        print(coms.string)

在这里插入图片描述
示例三:

import requests
from bs4 import BeautifulSoup
import re

url = 'https://www.ichunqiu.com/competition/all'
headers = {

    'User-Agent': 'Mozilla/5.0 (X11; Linux x86_64; rv:91.0) Gecko/20100101 Firefox/91.0',
    }
r = requests.get(url,headers=headers)
soup = BeautifulSoup(r.content,'lxml')#解析html

#print(soup.title)#输出title标签
#print(soup.title.string)#输出title标签的值

com_nes = soup.find_all(name='a',attrs={'href':re.compile('ichunqiu')})#获取标签a中超链接含有ichunqiu的所有链接

for coms in com_nes:
    print(coms)

万金油的使用方法BeautifulSoup
在这里插入图片描述

三、Python爬虫基础知识介绍

3.1 Python hackhttp

Python hackhttp模块的使用介绍∶

安装: pip install hackhttp

import hackhttp
hh = hackhttp.hackhttp()
url = “http://www.baidu.com”
code, head, html, redirect_url, log = hh.http(url)

发起get、post请求,发起http原始数据包

hackhttp介绍补充链接:
http://www.voidcc.com/project/hack-requests

示例一:

import HackRequests
from bs4 import BeautifulSoup
import re

url = 'https://www.cnvd.org.cn/'
hack = HackRequests.hackRequests()
url = "http://www.hacking8.com"
hh = hack.http(url)
print(hh.status_code)#
print(hh.content())


在这里插入图片描述文章来源地址https://uudwc.com/A/Mxq3w

原文地址:https://blog.csdn.net/weixin_40412037/article/details/126817566

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请联系站长进行投诉反馈,一经查实,立即删除!

上一篇 2023年10月12日 07:50
golang工程——常用数据结构底层原理【mao、slice、func、string】
下一篇 2023年10月12日 09:20