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