python课件教案16_数据提取之bs4教案.docxVIP

PAGE

PAGE1

数据提取之bs4

——第16次课常规课

一、教学目标

1.知识与技能

（1）认识并掌握安装BeautifulSoup4；

（2）掌握在文档树中搜索需要内容的方法。

2.过程与方法：

（1）通过一个个贴近生活的案例进行情景引入，激发学生对本节学习内容的兴趣，引发关联性的内容思考；

（2）每节课程开始前，对上节学习内容的知识点进行复习，加深印象；

（3）老师与学生间进行代码互动式的教学编写，带着孩子一步步完成任务。

3、情感态度与价值观：

（1）通过贴近生活的案例培养激发孩子的兴趣与爱好，在一个个生活案例中树立孩子正确的价值导向；

（2）代码的编写过程是精彩的，也是乏味的；是充满创造性的，也是一点点的基础前行；训练孩子逻辑思维、想象能力的同时，还磨练了孩子们的耐心，做到身心的锻炼。

二、教学重点、难点

【重点】使用bs4库中的方法提取数据

【难点】bs4语法的使用

三、课时安排

课时安排：120分钟

四、上课准备

1. 课前检查所有学员电脑Python的安装情况，打开代码试运行。

2. 课前检查电脑、投影仪、网络是否有故障，及时修复。

3. 备课过程中预设上课的突发情况，想办法解决。

4. 备课过程中，以学生的视角去审视自己的课堂，及时做出改进。

5. 课前排查教学环境中所存在的安全隐患。

五、教学活动

1情境引入（时间：5-10min）

1.1掌握了xpath的技能之后，我们几乎可以适应了百分之八十的网站的数据提取，可以说同学们已经可以凭借一手xpath语法，在不涉及反爬的前提下去尽情的爬取数据了！但是由于xpath解析数据需要对HTML结构有着深刻的理解，可能对部分同学产生了学习的压力，掌握的没有那么迅速，同学们可以在日后多找一些结构性网页进行练习，提高自己的xpath语法能力。那么是不是除了xpath外还有别的解析数据的方法呢？本节课我们就要学习一种新的css选择器来进行解析数据的库，那就是BeautifulSoup4，我们可以简称bs4。

1.2相比较正则表达式以及lxml，bs4它又有着什么优势呢？老师这里做了一张对比图来供大家进行观察，通过对他们的运行速度，使用难度以及安装难度三个维度进行评判。但就运行速度来说，正则表达式无疑是最快的；但是同时想必同学也感觉出来了，正则表达式也是最难编写的；而lxml呢它在运行速度与使用难度上都是中规中矩的；最后bs4它的运行速度虽然一般，但是使用起来确实最简单的！那么究竟它哪里比较简单呢？今天我们就来学习了解一下吧！

2BeautifulSoup4的介绍与安装（时间：20-25min）

2.1和lxml一样，BeautifulSoup也是一个HTML/XML的解析器，它的主要功能也是如何解析和提取HTML/XML数据。相比较而言，二者还是有所区别的，lxml只会局部遍历，而BeautifulSoup是基于HTMLDOM的，会载入整个文档，解析整个DOM树，因此时间和内存开销都会大很多，所以性能要低于lxml。BeautifulSoup用来解析HTML比较简单，API非常人性化，支持CSS选择器、Python标准库中的HTML解析器，也支持lxml的XML解析器。

2.2要注意，我们在python编程中使用的包名是beautifulsoup4，如果不加上4，会是老版本也就是bs3，它是为了兼容性而存在，目前已不推荐。我们这里说bs，都是指bs4。BeautifulSoup3目前已经停止开发，推荐现在的项目使用BeautifulSoup4，同学们一定要注意使用哦！在python中我们可以使用pip安装即可：pipinstallbeautifulsoup4。

2.3下面，我们准备了一份演示案例的代码，一段html的文件但是我们把它以字符串的形式保存在python的变量中。

frombs4importBeautifulSoup

html=

htmlheadtitleTheDormousesstory/title/head

body

pclass=titlename=dromousebTheDormousesstory/b/p

pclass=storyOnceuponatimetherewerethreelittlesisters;andtheirnameswere

ahref=/elsieclass=sisterid=link1!--Elsie--/a,

ahref=/lacieclass=sisterid=link2Lacie/aand

ahref=/tillieclass=si