python BeautifulSoup使用方法详解

yipeiwu_com5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

浅谈Python3识别判断图片主要颜色并和颜色库进行对比的方法

浅谈Python3识别判断图片主要颜色并和颜色库进行对比的方法

【更新】主要提供两种方案: 方案一:(参考网上代码,感觉实用性不是很强)使用PIL截取图像,然后将RGB转为HSV进行判断,统计判断颜色,最后输出RGB值 方案二:使用opencv库函数...

使用Python函数进行模块化的实现

使用 Python 函数来最大程度地减少重复任务编码工作量。 你是否对函数、类、方法、库和模块等花哨的编程术语感到困惑?你是否在与变量作用域斗争? 无论你是自学成才的还是经过正式培训的程...

使用Python paramiko模块利用多线程实现ssh并发执行操作

1.paramiko概述 ssh是一个协议,OpenSSH是其中一个开源实现,paramiko是Python的一个库,实现了SSHv2协议(底层使用cryptography)。 有了Pa...

python将秒数转化为时间格式的实例

1、转化成时间格式 seconds =35400 m, s = divmod(seconds, 60) h, m = divmod(m, 60) print("%d:%02d:%02...

Python语言描述最大连续子序列和

求最大连续子序列的和是一个很经典很古老的面试题了,记得在刚毕业找工作面试那会也遇到过同款问题。今儿突然想起来,正好快到毕业季,又该是苦逼的应届生们各种面试的时候到了,就给写了一些小代码解...