材料性能简介
介绍铝材的材料特性、网络爬虫技术以及将数据保存到Excel文件的方法。
材料属性
你之前使用 Requests 爬取了一个网站并处理了返回的结果。该网站的行为更像一个 API，因为你清楚地知道它会以何种格式返回数据。然而，数据通常并不会总是以整齐的格式呈现。有时，你需要自行查找、格式化、清洗或以其他方式处理数据。当你爬取真实的网页时，必须能够解析超文本标记语言（HTML），以获取所需的信息。在你访问的任何网页中，HTML 及其姊妹技术层叠样式表（CSS）都在后台工作，用于展示网页的设计。工程工具网站 [1] 为各类工程师提供了技术数据、材料属性、化学性质、经济信息、绘图工具等大量内容。你将编写一个 Python 程序，从工程工具网站抓取不同铝合金材料属性的信息，并将其存入 Excel 表格中，以便日后查阅。BeautifulSoup4 是首选的 HTML 解析库，其文档 [2] 非常详尽。Openpyxl 是操作 Excel 表格的跨平台首选库，其文档可参见脚注 [3]。
该程序需要访问材料属性页面 [4]，将表格转换为嵌套的 list 结构，使信息易于解析，并遍历这些信息，将每个值填入 Excel 表格的对应单元格中。
关于 HTML
让我们快速了解下 HTML 的基础知识。HTML 是构建网页的原始方式。它使用“标签”如 `文本内容` 来显示不同类型的内容。`` 标签用于创建超链接，也称为链接。例如，“文本内容”会在网页上显示为蓝色的可点击链接 [如这里所示](https://www.alexkenan.com/pymae/)。以下是常见 HTML 标签的列表：
| HTML 标签 | 代表的含义 |
|---|---|
<a> | 超链接 |
<div>, <p> | 段落文本 |
<table>, <tr>, <td>, <tbody>, <thead> | 表格、表格行、表格单元格等 |
<style>, <span> | 其他类型的段落或文本 |
<input> | 输入数据的字段 |
<i>, <b>, <u>, <strike>, <sup> | 字体样式，如斜体、粗体、下划线、删除线、上标 |
<img> | 图片 |
当网页上的信息没有良好格式化时，你就必须深入查看 HTML 代码来提取所需信息。这意味着你需要使用 Requests 获取网页的文本内容，也就是获取全部源代码。然后将这些源代码交给 BeautifulSoup，以便更轻松地解析代码，提取你想要的信息。这使得你可以将源代码文本当作 list 处理，从而只提取 <tr> 标签、<a> 标签等特定元素。