有没有办法使用 BeautifulSoup 从网页中提取 CSS？

Question

我正在做一个需要我查看网页的项目，但要进一步使用 HTML，我必须完整地查看它，而不是把一堆线条和图片混合在一起。有没有办法使用 BeautifulSoup 解析 CSS 和 HTML？

这是我的代码：

from bs4 import BeautifulSoup


def get_html(url, name):
    r = requests.get(url)
    r.encoding = 'utf8'
    return r.text


link = 'https://www.labirint.ru/books/255282/'
with open('labirint.html', 'w', encoding='utf-8') as file:
    file.write(get_html(link, '255282'))

警告：页面：https://www.labirint.ru/books/255282/ 重定向到 https://www.labirint.ru/books/733371/。

Answer 1

如果您的目标是真正解析 css：

• 这里有一些不同的方法：Prev Question w/ Answers
• 我还使用了这个网站上的一个很好的例子：Python Code Article

美汤会拉动整个页面——它确实包括标题、样式、脚本、css和js链接等。我之前使用过pythonCodeArticle中的方法，并为你提供的链接重新测试了它。

import requests
from bs4 import BeautifulSoup as bs
from urllib.parse import urljoin

# URL of the web page you want to extract
url = "ENTER YOUR LINK HERE"

# initialize a session & set User-Agent as a regular browser
session = requests.Session()
session.headers["User-Agent"] = "Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/44.0.2403.157 Safari/537.36"

# get the HTML content
html = session.get(url).content

# parse HTML using beautiful soup
soup = bs(html, "html.parser")
print(soup)

通过查看soup输出（很长，这里就不贴了）..你可以看到它是一个完整的页面。只需确保粘贴您的特定链接

现在如果您想解析结果以获取所有 css url.... 您可以添加以下内容：（我仍在使用上面描述得很好的 python 代码文章链接中的部分代码）

# get the CSS files
css_files = []
for css in soup.find_all("link"):
    if css.attrs.get("href"):
        # if the link tag has the 'href' attribute
        css_url = urljoin(url, css.attrs.get("href"))
        css_files.append(css_url)
print(css_files)

输出的 css_files 将是所有 css 文件的列表。您现在可以分别访问这些样式并查看正在导入的样式。

注意：这个特定的网站混合了与 html 内联的样式（即，他们并不总是使用 css 来设置样式属性...有时样式在 html 内容中。）

这应该让你开始。