1

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?

1
  • Если вам дан исчерпывающий ответ, отметьте его как верный (галка напротив выбранного ответа). 30 апр 2016 в 3:33

2 ответа 2

3

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
0

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.

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.