Python学习笔记——BeautifulSoup4数据提取+随机身份证提取

一、准备工作

1、安装BeautifulSoup4

最快捷的是直接使用pip安装

pip install beautifulsoup4

2、BeautifulSoup4基础教程

基础使用文档链接
https://beautifulsoup.readthedocs.io/zh_CN/v4.4.0/

3、常用方法笔记整理

image.png

二、实际项目练习

1、练习网址:http://www.chineseidcard.com/

image.png

2、请求接口分析返回数据

http://www.chineseidcard.com/?region=110101&birthday=19900307&sex=1&num=5&r=30
想要的数据就具体的身份证信息

image.png

通过分析这些关键信息保存在这个table标签下

<table class="table" style="margin-bottom:0;">
                    <tbody>
                                                <tr>
                            <th style="text-align:right;width:20%;vertical-align: middle;"></th>
                            <td style="vertical-align: middle;">110101199003072631</td>
                        </tr>
                                                <tr>
                            <th style="text-align:right;width:20%;vertical-align: middle;"></th>
                            <td style="vertical-align: middle;">110101199003070492</td>
                        </tr>
                                                <tr>
                            <th style="text-align:right;width:20%;vertical-align: middle;"></th>
                            <td style="vertical-align: middle;">110101199003075314</td>
                        </tr>
                                                <tr>
                            <th style="text-align:right;width:20%;vertical-align: middle;"></th>
                            <td style="vertical-align: middle;">110101199003078398</td>
                        </tr>
                                                <tr>
                            <th style="text-align:right;width:20%;vertical-align: middle;"></th>
                            <td style="vertical-align: middle;">110101199003071532</td>
                        </tr>
                        
                    </tbody>
                </table>

3、先模拟请求,获取到页面返回数据

#coding:utf-8
from bs4 import BeautifulSoup
import requests
import json

def gethtml(IDnum):
    url = "http://www.chineseidcard.com/"
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36",
        "X-Requested-With":"XMLHttpRequest"
    }
    params = {
        "region":"110101",
        "birthday":"19900307",
        "sex":"1",
        "num":IDnum,
        "r":30
    }
    res = requests.get(url,headers=headers,params=params)
    data = json.loads(res.text,encoding="utf-8")

4、BeautifulSoup4来查找标签

#coding:utf-8
from bs4 import BeautifulSoup
import requests
import json

def gethtml(IDnum):
    url = "http://www.chineseidcard.com/"
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36",
        "X-Requested-With":"XMLHttpRequest"
    }
    params = {
        "region":"110101",
        "birthday":"19900307",
        "sex":"1",
        "num":IDnum,
        "r":30
    }
    res = requests.get(url,headers=headers,params=params)
    data = json.loads(res.text,encoding="utf-8")
    soup = BeautifulSoup(data,"html.parser")

    # 获取第2个table标签下的数据
    table = soup.find_all('table',class_='table')[1]
    #获取单个身份证号
    cardID = id.find_all('td')[0].string

5、遍历结果,返回所有身份证号信息
table = soup.find_all('table',class_='table')[1]
这个主要是因为所有返回结果中,身份证信息是保存在第2个table中


image.png
#coding:utf-8
from bs4 import BeautifulSoup
import requests
import json

def gethtml(IDnum):
    url = "http://www.chineseidcard.com/"
    headers = {
        "User-Agent":"Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/100.0.4896.127 Safari/537.36",
        "X-Requested-With":"XMLHttpRequest"
    }
    params = {
        "region":"110101",
        "birthday":"19900407",
        "sex":"1",
        "num":IDnum,
        "r":30
    }
    res = requests.get(url,headers=headers,params=params)
    data = json.loads(res.text,encoding="utf-8")
    soup = BeautifulSoup(data,"html.parser")

    # 获取第2个table标签下的数据
    table = soup.find_all('table',class_='table')[1]
    #获取单个身份证号
    # cardID = id.find_all('td')[0].string

    #遍历每一个td节点
    for i in range(len(table.find_all('td'))):
        td_label = table.find_all('td')[i]
        #获取td标签下的文本
        cardID = td_label.string
        print(cardID)

if __name__ == "__main__":
    gethtml(5)

返回结果如下:

110101199004070873
110101199004077979
110101199004076853
110101199004079552
110101199004076634
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,905评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,140评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,791评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,483评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,476评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,516评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,905评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,560评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,778评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,557评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,635评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,338评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,925评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,898评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,142评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,818评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,347评论 2 342

推荐阅读更多精彩内容