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 相关文章推荐
python安装Scrapy图文教程
Aug 14 Python
python中numpy.zeros(np.zeros)的使用方法
Nov 07 Python
Python基于hashlib模块的文件MD5一致性加密验证示例
Feb 10 Python
python数字图像处理实现直方图与均衡化
May 04 Python
python requests使用socks5的例子
Jul 25 Python
在VS2017中用C#调用python脚本的实现
Jul 31 Python
django 多对多表的创建和插入代码实现
Sep 09 Python
python global和nonlocal用法解析
Feb 03 Python
pycharm部署、配置anaconda环境的教程
Mar 24 Python
浅谈keras2 predict和fit_generator的坑
Jun 17 Python
python中re模块知识点总结
Jan 17 Python
python 使用OpenCV进行简单的人像分割与合成
Feb 02 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实现水仙花数示例分享
2014/04/03 PHP
PHP 实现类似js中alert() 提示框
2015/03/18 PHP
PHP中快速生成随机密码的几种方式
2017/04/17 PHP
YII2框架中excel表格导出的方法详解
2017/07/21 PHP
针对thinkPHP5框架存储过程bug重写的存储过程扩展类完整实例
2018/06/16 PHP
document对象execCommand的command参数介绍
2006/08/01 Javascript
模仿jQuery each函数的链式调用
2009/07/22 Javascript
js仿百度有啊通栏展示效果实现代码
2013/05/28 Javascript
jQuery CSS()方法改变现有的CSS样式
2014/08/20 Javascript
js查找节点的方法小结
2015/01/13 Javascript
jQuery关键词说明插件cluetip使用指南
2015/04/21 Javascript
javascript特殊日历控件分享
2016/03/07 Javascript
获取url中用&amp;隔开的参数实例(分享)
2017/05/28 Javascript
vue组件watch属性实例讲解
2017/11/07 Javascript
使用Angular CLI生成 Angular 5项目教程详解
2018/03/18 Javascript
让axios发送表单请求形式的键值对post数据的实例
2018/08/11 Javascript
js使用Promise实现简单的Ajax缓存
2018/11/14 Javascript
JavaScript高阶教程之“==”隐藏下的类型转换
2019/04/11 Javascript
JavaScript实现的弹出遮罩层特效经典示例【基于jQuery】
2019/07/10 jQuery
vue请求服务器数据后绑定不上的解决方法
2019/10/30 Javascript
[42:24]完美世界DOTA2联赛PWL S2 LBZS vs FTD.C 第三场 11.27
2020/12/01 DOTA
Python求解平方根的方法
2015/03/11 Python
Python编程判断这天是这一年第几天的方法示例
2017/04/18 Python
python 中如何获取列表的索引
2019/07/02 Python
由面试题加深对Django的认识理解
2019/07/19 Python
在tensorflow中设置使用某一块GPU、多GPU、CPU的操作
2020/02/07 Python
Python 实现一个计时器
2020/07/28 Python
Scrapy-Redis之RedisSpider与RedisCrawlSpider详解
2020/11/18 Python
解析浏览器的一些“滚动”行为鉴赏
2019/09/16 HTML / CSS
利用Node实现HTML5离线存储的方法
2020/10/16 HTML / CSS
西班牙第一的网上药房:PromoFarma.com
2017/04/17 全球购物
高中毕业的自我鉴定
2013/12/09 职场文书
南京市纪委监察局整改方案
2014/09/16 职场文书
党员民主评议自我评价
2014/10/20 职场文书
保护环境建议书作文500字
2015/09/14 职场文书
详解Vue slot插槽
2021/11/20 Vue.js