Python BautifulSoup 节点信息

更新时间：2022年08月24日 14:19:42 作者：万里顾一程

这篇文章主要介绍了Python BautifulSoup 节点信息，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下

1、获取节点的内容

获取节点内容：

如果要获得节点中的文本内容，可以用 string 或 get_text()

string：只能获得节点中的文本内容，如果节点中有子孙节点，string就获取不到内容，返回 None
get_text() 推荐使用：获取到节点中包含的所有内容包括子孙节点中的内容
可以使用get_text() 方法快速得到源文件中的所有文本内容，如 soup.get_text()

使用实例：

待解析的html文本文件如下：id为al的p标签有子孙节点，id为bl的span标签没有子孙节点

<!DOCTYPE html>
<html lang="en">
<head>
<title>test</title>
</head>
<body>
<p class="title"/>

<a href="http://localhost:8080" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" />
<div>
    <p class="story" id="al">
        <a class="s1" href="www.baidu.com" rel="external nofollow"  id="l1">a1</a>
        <a class="s2" href="" id=" rel="external nofollow"  rel="external nofollow" l2">a2</a>
        <a class="s3" href="" id=" rel="external nofollow"  rel="external nofollow" l3">a3</a>
        <span>span</span>
    </p>
    <span id="bl">
        方唐镜
    </span>
</div>
</body>
</html>

使用实例1：对p标签和span标签进行解析，打印里面的内容

from bs4 import BeautifulSoup

#使用 lxml 解析器
soup = BeautifulSoup(open('test.html',encoding='utf-8'),'lxml')

list = soup.select('#al')[0]
print(list.string)
print(list.get_text())

执行结果及说明：

用string获取p标签的文本内容，因为p标签有子孙节点，所以返回None；

get_text()获取p标签的文本内容，返回p标签及子孙节点中的文本内容；

None

# 用
a1
a2
a3

使用实例2：对span标签进行解析，打印里面的内容

span = soup.select('#bl')[0]
print(span.string)
print(span.get_text())

执行结果及说明：

string获取span标签的文本内容，因为span标签没有子孙节点，所以可以返回文本内容；

用get_text()获取span标签的文本内容，因为span标签没有子孙节点，所以只返回span标签的文本内容；

span

方唐镜

方唐镜

2、获取节点的名称

.name 获取节点的名称

待解析的html文本文件：

<!DOCTYPE html>
<html lang="en">
<head>
<title>test</title>
</head>
<body>
<p class="title"/>
<a href="http://localhost:8080" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" />
<div>
    <span id="span" class="c1">
        方唐镜
    </span>
</div>
</body>
</html>

获取节点的属性实例：

from bs4 import BeautifulSoup

#使用 lxml 解析器
soup = BeautifulSoup(open('test.html',encoding='utf-8'),'lxml')
# 根据class选择器查找，返回第一个节点
obj = soup.select('.c1')[0]
print(obj.name)

执行结果：该节点为span节点

span

3、获取节点的属性值

.attrs 获取获取节点的属性值，并以字典的形式返回

待解析的html文本文件：

<!DOCTYPE html>
<html lang="en">
<head>
<title>test</title>
</head>
<body>
<p class="title"/>
<a href="http://localhost:8080" rel="external nofollow"  rel="external nofollow"  rel="external nofollow" />
<div>
    <span id="span" class="c1">
        方唐镜
    </span>
</div>
</body>
</html>

获取节点的属性实例：

from bs4 import BeautifulSoup

#使用 lxml 解析器
soup = BeautifulSoup(open('test.html',encoding='utf-8'),'lxml')
# 根据class选择器查找，返回第一个节点
obj = soup.select('.c1')[0]
print(obj.attrs)

执行结果：以字典的形式返回

{'id': 'span', 'class': ['c1']}

可以通过get方法获得字典里指定属性的属性值：有下面三种方法

# 获取class属性的属性值
#方式一（推荐）
print(obj.attrs.get('class'))
#方式二
print(obj.get('class'))
#方式三
print(obj['class'])

执行结果：

['c1']
['c1']
['c1']

3、BS4具体使用

代码实例：获取所有饮品的名称·

import urllib.request
from bs4 import BeautifulSoup
from lxml import etree

url = 'https://www.starbucks.com.cn/menu/'
headers = {
    'user-agent': 'Mozilla/5.0 (Windows NT 10.0; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.131 Safari/537.36 SLBrowser/8.0.0.2242 SLBChan/10'
}
# 定制请求，发送请求并返回响应对象和html文档
request = urllib.request.Request(url=url,headers=headers)
response = urllib.request.urlopen(request)
content = response.read().decode('utf-8')

# 使用 lxml 解析器
soup = BeautifulSoup(content,'lxml')
# 检索html文档，返回列表形式
name_list = soup.select('ul[class="grid padded-3 product"] strong')
# 遍历打印
for name in name_list:
    print(name.string)

执行结果：

到此这篇关于Python BautifulSoup 节点信息的文章就介绍到这了,更多相关Python BautifulSoup 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

python json 递归打印所有json子节点信息的例子

利用Python学习RabbitMQ消息队列
RabbitMQ和邮局的主要区别就是RabbitMQ接收、存储和发送的是二进制数据----消息，本篇文章给大家介绍利用Python学习RabbitMQ消息队列，对python消息队列相关知识感兴趣的朋友参考下
2015-11-11
python重写方法和重写特殊构造方法
这篇文章主要介绍了python重写方法和重写特殊构造方法，对于父类的方法，只要他不符合子类模拟的实物的行为，都可以进行重写，更多相关内容需要的朋友可以参考一下
2022-07-07
Python使用socket实现组播与发送二进制数据
在工作中经常会用到socket传输数据，例如客户端给服务器发送数据(双方约定了数据格式)，本文主要介绍了Python使用socket实现组播与发送二进制数据，感兴趣的可以了解一下
2021-06-06
关于对python中进程的几个概念理解
进程由程序,数据和进程控制块组成,是正在执行的程,程序的一次执行过程,是资源调度的基本单位,下面这篇文章主要给大家介绍了关于对python中进程的几个概念理解,需要的朋友可以参考下
2021-10-10
对Python中DataFrame按照行遍历的方法
下面小编就为大家分享一篇对Python中DataFrame按照行遍历的方法，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
2018-04-04
pytorch中交叉熵损失函数的使用小细节
这篇文章主要介绍了pytorch中交叉熵损失函数的使用细节，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2023-02-02
简述Python2与Python3的不同点
在Python2和Python3中都提供print()方法来打印信息,但两个版本间的print稍微有差异。下面通过本文给大家介绍Python2与Python3的不同点，需要的朋友参考下
2018-01-01
Python的命令行参数实例详解
python中有一个模块sys,sys.argv这个属性提供了对命令行参数的访问,下面这篇文章主要给大家介绍了关于Python命令行参数实例的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
2022-02-02
Python函数学习笔记
Python探测局部作用域的时候：是在python编译代码时检测，而不是通过他们在运行时的赋值。
2008-10-10
Keras使用tensorboard显示训练过程的实例
今天小编就为大家分享一篇Keras使用tensorboard显示训练过程的实例，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
2020-02-02