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
这篇文章主要介绍了Python的pytest测试框架使用详解,说到 pytest，大家总不免要拿来和 unittest 来比一下，但是 unittest 毕竟是标准库，兼容性方面肯定没得说，但要论简洁和方便的话，pytest 也是不落下风的,需要的朋友可以参考下2023-07-07
这篇文章主要介绍了python模块离线安装方式,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2023-09-09
这篇文章主要介绍了使用Atom支持基于Jupyter的Python开发,Vscode虽然说也有连接Jupyter的工具，但是交互式的开发Hydrogen体验更好,需要的朋友可以参考下2021-08-08
这篇文章主要介绍了Python基于生成器迭代实现的八皇后问题,简单描述了八皇后问题,并结合实例形式分析了Python基于生成器迭代解决八皇后问题的相关操作技巧,需要的朋友可以参考下2018-05-05
这篇文章主要介绍了Python3 循环语句,本文将详细介绍Python3中的循环语句，给出各种循环的使用示例，以及运行结果的解释，需要的朋友可以参考下2023-04-04
这篇文章主要介绍了python网络编程示例，提供了客户端与服务端,需要的朋友可以参考下2014-04-04
这篇文章主要介绍了Django Admin设置应用程序及模型顺序方法详解,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,需要的朋友可以参考下2020-04-04
下面小编就为大家带来一篇python模块之time模块。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2021-08-08
这篇文章主要介绍了如何基于Python代码实现高精度免费OCR工具,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,需要的朋友可以参考下2020-06-06
今天小编就为大家分享一篇python Popen 获取输出,等待运行完成示例，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2019-12-12
最新评论