python BeautifulSoup使用方法详解

yipeiwu_com6年前Python基础

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="//www.jb51.net" class="sister" id="link1">Elsie</a>,
<a href="//www.jb51.net" class="sister" id="link2">Lacie</a> and
<a href="//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="//www.jb51.net" id="link1">Elsie</a>
[<a class="sister" href="//www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="//www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="//www.jb51.net" id="link3">Tillie</a>]
<a class="sister" href="//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="//www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="//www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="//www.jb51.net" id="link3">Tillie</a>]
[<a class="sister" href="//www.jb51.net" id="link2">Lacie</a>]
[<a class="sister" href="//www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="//www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="//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="//www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="//www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="//www.jb51.net" id="link3">Tillie</a>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="//www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="//www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="//www.jb51.net" id="link3">Tillie</a>]
[u'Elsie']
[u'Elsie', u'Lacie', u'Tillie']
[<a class="sister" href="//www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="//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。

相关文章

python正则表达式re之compile函数解析

re正则表达式模块还包括一些有用的操作正则表达式的函数。下面主要介绍compile函数。 定义: compile(pattern[,flags] ) 根据包含正则表达式的字符串创...

Python中的单继承与多继承实例分析

本文实例讲述了Python中的单继承与多继承。分享给大家供大家参考,具体如下: 单继承 一、介绍 Python 同样支持类的继承,如果一种语言不支持继承,类就没有什么意义。派生类的定义如...

Python根据欧拉角求旋转矩阵的实例

利用numpy和scipy,我们可以很容易根据欧拉角求出旋转矩阵,这里的旋转轴我们你理解成四元数里面的旋转轴 import numpy as np import scipy....

tensorflow实现KNN识别MNIST

KNN算法算是最简单的机器学习算法之一了,这个算法最大的特点是没有训练过程,是一种懒惰学习,这种结构也可以在tensorflow实现。 KNN的最核心就是距离度量方式,官方例程给出的是L...

使用python实现离散时间傅里叶变换的方法

使用python实现离散时间傅里叶变换的方法

我们经常使用傅里叶变换来计算数字信号的频谱,进而分析数字信号,离散时间傅里叶变换的公式为: 可是自己动手实现一遍才是最好的学习。 在数字分析里面,傅里叶变换默认等时间间隔采样,不需...