简单、快速、现代化的网络抓取库
gazpacho的Python项目详细描述
在
关于
gazpacho是一个简单、快速和现代化的web抓取库。该库是稳定的、主动维护的，并且安装了zero依赖项。在
安装
在命令行使用pip安装：
pip install -U gazpacho
快速启动
试试看：
^{pr2}$教程
导入
按照公约进口gazpacho：
fromgazpachoimportget,Soup
获取
使用get函数下载原始HTML：
url='https://scrape.world/soup'html=get(url)print(html[:50])# '<!DOCTYPE html>\n<html lang="en">\n <head>\n <met'
使用可选参数和标题调整get请求：
get(url='https://httpbin.org/anything',params={'foo':'bar','bar':'baz'},headers={'User-Agent':'gazpacho'})
汤
在原始html上使用Soup包装器来启用解析：
soup=Soup(html)
Soup对象也可以使用.get类方法初始化：
soup=Soup.get(url)
。查找
使用.find方法定位并提取HTML标记：
h1=soup.find('h1')print(h1)# <h1 id="firstHeading" class="firstHeading" lang="en">Soup</h1>
属性=
使用attrs参数隔离包含特定HTML元素属性的标记：
soup.find('div',attrs={'class':'section-'})
部分=
默认情况下，元素属性部分匹配。通过将partial设置为False来关闭此功能：
soup.find('div',{'class':'soup'},partial=False)
模式=
重写模式参数{'auto', 'first', 'all'}以保证返回行为：
print(soup.find('span',mode='first'))# <span class="navbar-toggler-icon"></span>len(soup.find('span',mode='all'))# 8
dir（）
Soup对象具有html、tag、attrs和{
dir(h1)# ['attrs', 'find', 'get', 'html', 'strip', 'tag', 'text']
相应地使用它们：
print(h1.html)# '<h1 id="firstHeading" class="firstHeading" lang="en">Soup</h1>'print(h1.tag)# h1print(h1.attrs)# {'id': 'firstHeading', 'class': 'firstHeading', 'lang': 'en'}print(h1.text)# Soup
支持
如果您使用gazpacho，请考虑将徽章添加到您的项目中自述文件.md公司名称：
[](https://github.com/maxhumber/gazpacho)
贡献
对于功能请求或错误报告，请使用Github Issues
对于PRs，请阅读CONTRIBUTING.md文档
- 项目
标签：
欢迎加入QQ群-->： 979659372
