### 基于 Python 实现提取菜名中主要成分的解决方案 以下是通过 `BeautifulSoup` 和正则表达式相结合的方式，从网页中提取菜名及其主要成分的一个完整示例代码： #### 1. 使用 Requests 获取网页内容并解析 HTML 首先需要安装必要的库： ```bash pip install requests beautifulsoup4 ``` #### 2. 编写核心代码逻辑 以下是一个完整的代码实现，用于提取菜名以及其主要成分。 ```python import requests from bs4 import BeautifulSoup import re def extract_recipe_info(url): """ 提取指定 URL 页面中的菜名和主要成分。 参数: url (str): 菜单页面的目标 URL 返回: list: 包含菜名和主要成分的字典列表 """ headers = { 'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36' } try: response = requests.get(url, headers=headers) response.raise_for_status() except requests.exceptions.RequestException as e: print(f"访问URL时发生错误: {e}") return [] soup = BeautifulSoup(response.text, 'html.parser') recipes = [] # 查找所有的菜品容器 recipe_containers = soup.find_all('div', class_='recipe-container') # 替换为实际的HTML结构类名[^1] for container in recipe_containers: # 提取菜名 name_tag = container.find('h2', class_='recipe-name') # 替换为实际的HTML结构类名[^1] if not name_tag: continue recipe_name = name_tag.text.strip() # 提取主要成分 ingredients_list = container.find('ul', class_='ingredients-list') # 替换为实际的HTML结构类名[^1] if not ingredients_list: continue ingredients = [li.text.strip() for li in ingredients_list.find_all('li')] # 遍历<li>标签提取成分[^2] # 构造结果字典 recipes.append({ "name": recipe_name, "main_ingredients": ingredients }) return recipes if __name__ == "__main__": target_url = "https://example.com/menu" # 替换为目标网站的实际地址 extracted_data = extract_recipe_info(target_url) for item in extracted_data: print(f"菜名: {item['name']}, 主要成分: {', '.join(item['main_ingredients'])}")[^3] ``` --- ### 关键点说明 - **Requests 库**: 用于发起 HTTP 请求获取目标网页的内容。设置合适的 User-Agent 是为了模拟浏览器行为，防止被服务器拒绝请求[^3]。 - **BeautifulSoup 解析器**: 对 HTML 文档进行解析，支持多种查找方法（如按标签名称、CSS 类名等）。这里使用了 `.find()` 和 `.find_all()` 方法定位特定节点[^1]。 - **正则表达式辅助清洗数据**: 如果某些字段存在多余字符或格式不统一，可以通过 `re.sub()` 函数进一步清理字符串[^2]。 - **动态调整选择器路径**: 不同网站的 HTML 结构各不相同，因此需根据实际情况修改 CSS 类名或其他属性值来匹配具体需求。 --- ###