编程 Python

python BeautifulSoup使用方法详解

Posted in Python onNovember 21, 2013

直接看例子：

#!/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://3water.com" class="sister" id="link1">Elsie</a>,
<a href="https://3water.com" class="sister" id="link2">Lacie</a> and
<a href="https://3water.com" 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：

<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://3water.com" id="link1">Elsie</a>
[<a class="sister" href="https://3water.com" id="link1">Elsie</a>, <a class="sister" href="https://3water.com" id="link2">Lacie</a>, <a class="sister" href="https://3water.com" id="link3">Tillie</a>]
<a class="sister" href="https://3water.com" 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

find_all(name, attrs, recursive, text, limit, **kwargs)

举例说明：

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：

[<title>The Dormouse's story</title>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="https://3water.com" id="link1">Elsie</a>, <a class="sister" href="https://3water.com" id="link2">Lacie</a>, <a class="sister" href="https://3water.com" id="link3">Tillie</a>]
[<a class="sister" href="https://3water.com" id="link2">Lacie</a>]
[<a class="sister" href="https://3water.com" id="link1">Elsie</a>, <a class="sister" href="https://3water.com" id="link2">Lacie</a>, <a class="sister" href="https://3water.com" id="link3">Tillie</a>]

通过css查找,直接上例子：

print soup.find_all("a", class_="sister")
print soup.select("p.title")

通过属性进行查找

print soup.find_all("a", attrs={"class": "sister"})

通过文本进行查找

print soup.find_all(text="Elsie")
print soup.find_all(text=["Tillie", "Elsie", "Lacie"])

限制结果个数

print soup.find_all("a", limit=2)

结果为：

[<a class="sister" href="https://3water.com" id="link1">Elsie</a>, <a class="sister" href="https://3water.com" id="link2">Lacie</a>, <a class="sister" href="https://3water.com" id="link3">Tillie</a>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="https://3water.com" id="link1">Elsie</a>, <a class="sister" href="https://3water.com" id="link2">Lacie</a>, <a class="sister" href="https://3water.com" id="link3">Tillie</a>]
[u'Elsie']
[u'Elsie', u'Lacie', u'Tillie']
[<a class="sister" href="https://3water.com" id="link1">Elsie</a>, <a class="sister" href="https://3water.com" id="link2">Lacie</a>]

总之，通过这些函数可以查找到想要的东西。

python BeautifulSoup使用方法详解

声明：登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。

Python 相关文章推荐

python实现支持目录FTP上传下载文件的方法

Jun 03 Python

django之常用命令详解

Jun 30 Python

pandas数值计算与排序方法

Apr 12 Python

python 显示数组全部元素的方法

Apr 19 Python

python之pyqt5通过按钮改变Label的背景颜色方法

Jun 13 Python

django-rest-framework解析请求参数过程详解

Jul 18 Python

Django 外键的使用方法详解

Jul 19 Python

python函数声明和调用定义及原理详解

Dec 02 Python

python几种常用功能实现代码实例

Dec 25 Python

python:解析requests返回的response(json格式)说明

Apr 30 Python

Python使用Matlab命令过程解析

Jun 04 Python

装上这 14 个插件后,PyCharm 真的是无敌的存在

Jan 11 Python

python装饰器使用方法实例

Nov 21 #Python

tornado框架blog模块分析与使用

Nov 21 #Python

python迭代器的使用方法实例

Nov 21 #Python

python生成器的使用方法

Nov 21 #Python

python单链表实现代码实例

Nov 21 #Python

python双向链表实现实例代码

Nov 21 #Python

python二叉树遍历的实现方法

Nov 21 #Python

You might like

PHP实现的封装验证码类详解

2013/06/18 PHP

比较strtr, str_replace和preg_replace三个函数的效率

2013/06/26 PHP

CL vs ForZe BO5 第二场 2.13

2021/03/10 DOTA

jquery关于页面焦点的定位(文本框获取焦点时改变样式 )

2010/09/10 Javascript

兼容IE和Firefox的javascript获取iframe文档内容的函数

2011/08/15 Javascript

js的压缩及jquery压缩探讨(提高页面加载性能/保护劳动成果)

2013/01/29 Javascript

jQuery删除节点的三个方法即remove()detach()和empty()

2013/12/27 Javascript

JS 日期与时间戮相互转化的简单实例

2016/06/22 Javascript

Javascript中判断一个值是否为undefined的方法详解

2016/09/28 Javascript

React创建组件的三种方式及其区别

2017/01/12 Javascript

滚动条的监听与内容随着滚动条动态加载的实现

2017/02/08 Javascript

vue如何引用其他组件（css和js）

2017/04/13 Javascript

jQuery选择器之属性筛选选择器用法详解

2017/09/19 jQuery

three.js加载obj模型的实例代码

2017/11/10 Javascript

深入剖析Node.js cluster模块

2018/05/23 Javascript

浅析前端路由简介以及vue-router实现原理

2018/06/01 Javascript

js中位运算的运用实例分析

2018/12/11 Javascript

微信小程序左右滚动公告栏效果代码实例

2019/09/16 Javascript

JS数组方法shift()、unshift()用法实例分析

2020/01/18 Javascript

js实现双人五子棋小游戏

2020/05/28 Javascript

vue实现评价星星功能

2020/06/30 Javascript

Nuxt 嵌套路由nuxt-child组件用法(父子页面组件的传值)

2020/11/05 Javascript

[01:27]2014DOTA2展望TI 剑指西雅图IG战队专访

2014/06/30 DOTA

python3处理含有中文的url方法

2018/05/10 Python

Python3和pyqt5实现控件数据动态显示方式

2019/12/13 Python

Python TCPServer 多线程多客户端通信的实现

2019/12/31 Python

Python模块_PyLibTiff读取tif文件的实例

2020/01/13 Python

基于SQLAlchemy实现操作MySQL并执行原生sql语句

2020/06/10 Python

html5 input属性使用示例

2013/06/28 HTML / CSS

Shopbop中文官网：美国亚马逊旗下时尚购物网站

2020/12/15 全球购物

汽车专业学生自我评价

2014/01/19 职场文书

先进事迹材料怎么写

2014/12/30 职场文书

单位接收函格式

2015/01/30 职场文书

社区党务工作总结2015

2015/05/19 职场文书

python自动化调用百度api解决验证码

2021/04/13 Python

Prometheus 监控MySQL使用grafana展示

2021/08/30 MySQL