bs4解析-HTML语法

2023-06-09 08:35:36

bs4解析比较简单,但是呢,首先你需要了解一丢丢的html知识.然后再去使用bs4去提取,逻辑和编写难度就会非常简单和清晰

HTML(Hyper Text Markup Language)超文本标记语言,是我们编写网页的最基本也是最核心的一种语言.其语法规则

就是用不同的标签对网页上的内容进行标记,从而使网页显示出不同的展示效果。

<h1>
我爱你
</h1>

上述代码的含义是在页面中显示"我爱你"三个字,但是我爱你三个字被"<h1>"和"</h1>"标记了.白话就是被括起来了。

被h1这个标签括起来了.这个时候.浏览器在展示的时候就会让我爱你变粗变大.俗称标题,所以HTML的语法就是用类似这样的标签对页面内容进行标记.不同的标签表现出来的效果也是不一样的.

h1：一级标题
h2：二级标题
p：段落
font：字体(被废弃了，但能用)
body：主体

这里只是简单科普一下,其实HTML标签还有很多很多的,我们不需一一列举

OK~标签我们明白了,接下来就是属性了,

<h1>
xxx
</h1>
<h1 align='right'>
xxx
</hl>

有意思了.我们发现在标签中还可以给出XXX=xxx这样的东西,那么它又是什么呢? 又该如何解读呢?

首先,这两个标签都是h1标签,都是一级标题,但是下面这个会显示在右边,也就是说,通过xx=xx这种形式对h1标签

进一步的说明了.那么这种语法在html中被称为标签的属性,并且属性可以有很多个.例如;

<body text="green" bgcolon="#eee">
    xxxxxxx
</body>

总结，htmi语法：

<标签 属性="值" 属性="值">
    被标记的内容
</ 标签>

有了这些知识,我们再去看bs4就会得心应手了,因为bs4脱是通过标签和属性去定位页面上的内容的。

继续阅读