python BeautifulSoup使用方法详解
更新时间：2013年11月21日 15:11:50 作者：
Beautiful Soup 是用Python写的一个HTML/XML的解析器，它可以很好的处理不规范标记并生成剖析树(parse tree)。 它提供简单又常用的导航（navigating），搜索以及修改剖析树的操作。它可以大大节省你的编程时间,下面我们就看看他是如何使用
直接看例子：
复制代码 代码如下:
#!/usr/bin/python
# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a href="https://www.jb51.net" class="sister" id="link1">Elsie</a>,
<a href="https://www.jb51.net" class="sister" id="link2">Lacie</a> and
<a href="https://www.jb51.net" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
soup = BeautifulSoup(html_doc)
print soup.title
print soup.title.name
print soup.title.string
print soup.p
print soup.a
print soup.find_all('a')
print soup.find(id='link3')
print soup.get_text()
结果为：
复制代码 代码如下:
<title>The Dormouse's story</title>
title
The Dormouse's story
<p class="title"><b>The Dormouse's story</b></p>
<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>
[<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="https://www.jb51.net" id="link3">Tillie</a>]
<a class="sister" href="https://www.jb51.net" id="link3">Tillie</a>
The Dormouse's story
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...
可以看出：soup 就是BeautifulSoup处理格式化后的字符串，soup.title 得到的是title标签，soup.p 得到的是文档中的第一个p标签，要想得到所有标签，得用find_all
函数。find_all 函数返回的是一个序列，可以对它进行循环，依次得到想到的东西.
get_text() 是返回文本,这个对每一个BeautifulSoup处理后的对象得到的标签都是生效的。你可以试试 print soup.p.get_text()
其实是可以获得标签的其他属性的，比如我要获得a标签的href属性的值，可以使用 print soup.a['href'],类似的其他属性，比如class也是可以这么得到的（soup.a['class']）。
特别的，一些特殊的标签，比如head标签，是可以通过soup.head 得到，其实前面也已经说了。
如何获得标签的内容数组？使用contents 属性就可以 比如使用 print soup.head.contents，就获得了head下的所有子孩子，以列表的形式返回结果，
可以使用 [num] 的形式获得 ,获得标签，使用.name 就可以。
获取标签的孩子，也可以使用children，但是不能print soup.head.children 没有返回列表，返回的是 <listiterator object at 0x108e6d150>,
不过使用list可以将其转化为列表。当然可以使用for 语句遍历里面的孩子。
关于string属性，如果超过一个标签的话，那么就会返回None，否则就返回具体的字符串print soup.title.string 就返回了 The Dormouse's story
超过一个标签的话，可以试用strings
向上查找可以用parent函数，如果查找所有的，那么可以使用parents函数
查找下一个兄弟使用next_sibling,查找上一个兄弟节点使用previous_sibling,如果是查找所有的，那么在对应的函数后面加s就可以
如何遍历树？
使用find_all 函数
复制代码 代码如下:
find_all(name, attrs, recursive, text, limit, **kwargs)
举例说明：
复制代码 代码如下:
print soup.find_all('title')
print soup.find_all('p','title')
print soup.find_all('a')
print soup.find_all(id="link2")
print soup.find_all(id=True)
返回值为：
复制代码 代码如下:
[<title>The Dormouse's story</title>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="https://www.jb51.net" id="link3">Tillie</a>]
[<a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>]
[<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="https://www.jb51.net" id="link3">Tillie</a>]
通过css查找,直接上例子：
复制代码 代码如下:
print soup.find_all("a", class_="sister")
print soup.select("p.title")
通过属性进行查找
复制代码 代码如下:
print soup.find_all("a", attrs={"class": "sister"})
通过文本进行查找
复制代码 代码如下:
print soup.find_all(text="Elsie")
print soup.find_all(text=["Tillie", "Elsie", "Lacie"])
限制结果个数
复制代码 代码如下:
print soup.find_all("a", limit=2)
结果为：
复制代码 代码如下:
[<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="https://www.jb51.net" id="link3">Tillie</a>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="https://www.jb51.net" id="link3">Tillie</a>]
[u'Elsie']
[u'Elsie', u'Lacie', u'Tillie']
[<a class="sister" href="https://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="https://www.jb51.net" id="link2">Lacie</a>]
总之，通过这些函数可以查找到想要的东西。
您可能感兴趣的文章:
- Python BeautifulSoup [解决方法] TypeError: list indices must be integers or slices, not str
- Python BeautifulSoup中文乱码问题的2种解决方法
- python 解析html之BeautifulSoup
- Python爬虫库BeautifulSoup获取对象(标签)名,属性,内容,注释
- python中bs4.BeautifulSoup的基本用法
- python基于BeautifulSoup实现抓取网页指定内容的方法
- Python使用BeautifulSoup库解析HTML基本使用教程
- python爬虫之BeautifulSoup 使用select方法详解
- python爬虫入门教程--HTML文本的解析库BeautifulSoup（四）
- 从零开始学习Python与BeautifulSoup网页数据抓取
相关文章
这篇文章主要给大家介绍了关于如何使用Python分析文本数据的词频并词云图可视化,文章中有详细的图文介绍和代码示例,对我们的学习或工作有一定的帮助,需要的朋友可以参考下2023-09-09
这篇文章主要介绍了Python使用asyncio包处理并发,asyncio包使用事件循环驱动的协程实现并发，本文通过实例代码给大家介绍的非常详细对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下2022-12-12
下面小编就为大家带来一篇Python之str操作方法(详解)。小编觉得挺不错的，现在就分享给大家，也给大家做个参考。一起跟随小编过来看看吧2017-06-06
Pandas实现dataframe和np.array的相互转换
今天小编就为大家分享一篇Pandas实现dataframe和np.array的相互转换，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-11-11
这篇文章主要为大家详细介绍了pygame实现滑块接小球游戏，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2021-06-06
今天小编就为大家分享一篇django 使用全局搜索功能的实例详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-07-07
今天小编就为大家分享一篇python topN 取最大的N个数或最小的N个数方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-06-06
这篇文章主要为大家介绍了Python的getattr方法学习使用示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪2022-08-08
这篇文章主要介绍了python中partial库的使用方法解析，文章围绕主题展开详细的内容介绍，具有一定的参考价值，感兴趣的小伙伴可以参考一下2022-08-08
详解pytorch中squeeze()和unsqueeze()函数介绍
这篇文章主要介绍了详解pytorch中squeeze()和unsqueeze()函数介绍，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2020-09-09
最新评论