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获取各操作系统硬件信息的方法

Jun 03 Python

Python获取暗黑破坏神3战网前1000命位玩家的英雄技能统计

Jul 04 Python

Python使用Django实现博客系统完整版

Sep 29 Python

在mac下查找python包存放路径site-packages的实现方法

Nov 06 Python

python实现简单的单变量线性回归方法

Nov 08 Python

在python中使用with打开多个文件的方法

Jan 07 Python

对Python多线程读写文件加锁的实例详解

Jan 14 Python

python自动循环定时开关机（非重启）测试

Aug 26 Python

python 实现让字典的value 成为列表

Dec 16 Python

Python装饰器原理与基本用法分析

Jan 07 Python

k-means 聚类算法与Python实现代码

Jun 01 Python

Pyqt5将多个类组合在一个界面显示的完整示例

Sep 04 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

利用discuz自带通行证整合dedecms的方法以及文件下载

2007/03/06 PHP

PHP json格式和js json格式 js跨域调用实现代码

2012/09/08 PHP

php实现自动获取生成文章主题关键词功能的深入分析

2013/06/03 PHP

php数组使用规则分析

2015/02/27 PHP

smarty模板引擎基础知识入门

2015/03/30 PHP

php简单统计字符串单词数量的方法

2015/06/19 PHP

PHP多维数组转一维数组的简单实现方法

2015/12/23 PHP

yii2局部关闭(开启)csrf的验证的实例代码

2017/07/10 PHP

代码生成器 document.write()

2007/04/15 Javascript

JavaScript中setAttribute用法介绍

2013/07/20 Javascript

jquery实现公告翻滚效果

2015/02/27 Javascript

一个用jquery写的判断div滚动条到底部的方法【推荐】

2016/04/29 Javascript

动态加载js、css的实例代码

2016/05/26 Javascript

Javascript计算二维数组重复值示例代码

2016/12/18 Javascript

Vue 过滤器filters及基本用法

2017/12/26 Javascript

JavaScript强制类型转换和隐式类型转换操作示例

2019/05/01 Javascript

JavaScript中callee和caller的区别与用法实例分析

2019/06/28 Javascript

nodejs简单抓包工具使用详解

2019/08/23 NodeJs

解决微信小程序中的滚动穿透问题

2019/09/16 Javascript

[46:10]2014 DOTA2国际邀请赛中国区预选赛 CnB VS HGT

2014/05/21 DOTA

python将html转成PDF的实现代码(包含中文)

2013/03/04 Python

Fiddler如何抓取手机APP数据包

2016/01/22 Python

python爬虫获取京东手机图片的图文教程

2017/12/29 Python

pyQT5 实现窗体之间传值的示例

2019/06/20 Python

python sklearn库实现简单逻辑回归的实例代码

2019/07/01 Python

python 实现屏幕录制示例

2019/12/23 Python

解决Pycharm的项目目录突然消失的问题

2020/01/20 Python

django 获取字段最大值,最新的记录操作

2020/08/09 Python

python 使用paramiko模块进行封装，远程操作linux主机的示例代码

2020/12/03 Python

Currentbody美国/加拿大：美容仪专家

2020/03/09 全球购物

物业管理员岗位职责范文

2013/11/25 职场文书

健康状况证明模板

2014/10/23 职场文书

工作岗位职责范本

2015/02/15 职场文书

居住证明范文

2015/06/17 职场文书

2016年11月份红领巾广播稿

2015/12/21 职场文书

房屋买卖定金协议书

2016/03/21 职场文书