PAGE6
PAGE6
PAGE5
PAGE5
课题
第3章网页解析基础
课时
10课时（450min）
教学目标
知识目标：
（1）理解网页基础知识
（2）掌握lxml库的使用方法
（3）掌握beautifulsoup4库的使用方法
（4）了解正则表达式的使用方法
（5）掌握存储数据至JSON或CSV文件的方法
能力目标：
能使用lxml库和beautifulsoup4库解析网页并存储提取的数据
素质目标：
在掌握基础网页解析技术的基础上，探索新的解析方法和技术，以应对不断变化的网页环境。
教学重难点
教学重点：lxml库、beautifulsoup4库的使用方法，正则表达式的使用方法，存储数据至JSON或CSV文件的方法
教学难点：使用lxml库和beautifulsoup4库解析网页并存储提取的数据
教学方法
案例分析法、问答法、讨论法、讲授法
教学用具
电脑、投影仪、多媒体课件、教材
教学过程
主要教学内容及步骤
考勤
【教师】使用APP进行签到
【学生】班干部报请假人员及原因
问题导入
【教师】提出以下问题：
网页一般由哪几部分组成？
【学生】聆听、思考、举手回答
传授新知
【教师】通过学生的回答引入要讲的知识，介绍网页基础知识，以及lxml库，beautifulsoup4库，正则表达式和存储数据至JSON或CSV文件的相关知识
3.1网页基础
1．HTML
网页一般由HTML、CSS和JavaScript三部分组成，其中HTML用于定义网页的结构和内容；CSS用于定义网页的样式；JavaScript用于定义网页的行为。
超文本标记语言（HyperTextMarkedLanguage，HTML）是一种用来描述网页的语言。它通过不同类型的标签来描述不同的元素，各种标签通过不同的排列和嵌套形成网页的框架。有的标签还带有属性参数，其语法格式如下：
＜标签属性=参数值＞
?【教师】利用多媒体展示“常用的标签”表格（详见教材），并进行讲解
常用的标签如表所示。
?【教师】利用多媒体展示“百度首页的HTML源代码”图片（详见教材），并进行讲解
例如，百度首页的HTML源代码如图所示。
2．HTMLDOM
?【教师】利用多媒体展示“节点树”图片（详见教材），并进行讲解
文档对象模型（DocumentObjectModel，DOM）定义了访问HTML和可扩展标记语言（ExtensibleMarkupLanguage，XML）文档的标准。HTMLDOM将HTML文档呈现为带有元素、属性和文本的树结构（也称为节点树），如图所示。
?【教师】利用多媒体展示“根元素html、元素head和元素body相互之间的关系”图片（详见教材），并进行讲解
在节点树中，顶端节点称为根（root），除了根节点外，其他每个节点都有父节点（parent），同时可拥有任意数量的子节点（child）和兄弟节点（sibling）。例如，根元素html、元素head和元素body相互之间的关系可用图表示。
3．CSS选择器
?【教师】利用多媒体展示“CSS选择器常用的语法规则”表格（详见教材），并进行讲解
层叠样式表（CascadingStyleSheets，CSS）选择器可以定位节点，常用的语法规则如表所示。
3.2lxml库
3.2.1案例引入——爬取小说《三国演义》章节信息
?【教师】通过讲解案例，引入lxml库的概念
【例3-1】爬取小说《三国演义》章节列表网页的内容，使用lxml库解析网页后，输出爬取到的小说章节列表链接。
（详见教材）
3.2.2lxml库简介
lxml库是Python的一个网页解析库，支持HTML和XML的解析，支持XPath解析方式，解析效率非常高。lxml库不是Python内置的标准库，使用之前需要安装，其安装方法与requests库的安装类似（请参考2.3.2节），此处不再赘述。
……（详见教材）
3.2.3XPath语法
?【教师】播放“XPath语法”视频（详见教材），并提出以下问题：
XPath语法有什么功能？
?【学生】观看、思考、举手回答
?【教师】总结学生回答
XPath的选择功能十分强大，它提供了非常简明的路径选择表达式。另外，它还提供了超过100个内建函数，用于字符串、数值、时间的匹配及节点、序列的处理等。可以说，几乎所有想要定位的节点，都可以用XPath来选择。
1．通过路径选择节点
?【教师】利用多媒体展示“XPath通过路径选择节点常用的语法”表格（详见教材），并进行讲解
HTML源代码是层次结构的，如果想要选择一个节点，可以一层一层往下查找。XPath实际上就是使用这种层次结构的路径来找到相应的节点，它类似于人们日常使用的地址，