Делаю так:
# -*- coding: utf-8 -*-
import urllib2
response = urllib2.urlopen('site.ru')
html = response.read()
Получаю исходный код страницы. И как мне теперь получить данные между конретными тегами?
Stack Overflow на русском — это сайт вопросов и ответов для программистов. Присоединяйтесь! Регистрация займёт не больше минуты.
Присоединиться к сообществуДелаю так:
# -*- coding: utf-8 -*-
import urllib2
response = urllib2.urlopen('site.ru')
html = response.read()
Получаю исходный код страницы. И как мне теперь получить данные между конретными тегами?
Дальше нужно использовать парсер разметки. Я рекомендую BeautifulSoup. С ним код будет выглядеть примерно так:
soup = BeautifulSoup(html)
links = soup.find_all('a') # все ссылки на странице
print links[0].get_text() # текст первой ссылки
print links[0].attrs['href'] # куда ведёт первая ссылка
Ну, есть достаточно способов: библиотеки BeutifulSoup, lxml, xml, регулярные выражения, в конце-концов, - смотря, что конкретно вам нужно. Если стоит задача выдернуть какой-то специфический тег, то можно обойтись регуляркой, если поставлена задача отпарсить странице целиком... Впрочем, на эту тему масса ответов в сети.