BeautifulSoup常用语法有哪些
本篇内容主要讲解“BeautifulSoup常用语法有哪些”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“BeautifulSoup常用语法有哪些”吧!
创新互联公司专注于企业全网整合营销推广、网站重做改版、蒙城网站定制设计、自适应品牌网站建设、H5建站、商城网站制作、集团公司官网建设、外贸营销网站建设、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为蒙城等各大城市提供网站开发制作服务。
解析库
BeautifulSoup默认支持Python的标准HTML解析库,但是它也支持一些第三方的解析库
解析库 | 使用方法 | 优势 | 劣势 |
---|---|---|---|
Python标准库 | BeautifulSoup(html,’html.parser’) | Python内置标准库;执行速度快 | 容错能力较差 |
lxml HTML解析库 | BeautifulSoup(html,’lxml’) | 速度快;容错能力强 | 需要安装,需要C语言库 |
lxml XML解析库 | BeautifulSoup(html,[‘lxml’,’xml’]) | 速度快;容错能力强;支持XML格式 | 需要C语言库 |
htm5lib解析库 | BeautifulSoup(html,’htm5llib’) | 以浏览器方式解析,最好的容错性 | 速度慢 |
代码示例
demo html
百度一下,你就知道
创建beautifulsoup4对象
from bs4 import BeautifulSoup soup = BeautifulSoup(html,"html.parser") # 缩进格式 print(soup.prettify()) # 获取title标签的所有内容 print(soup.title) #Output:百度一下,你就知道 # 获取title标签的名称 print(soup.title.name) #Output:title # 获取title标签的文本内容 print(soup.title.string) #Output:百度一下,你就知道 # 获取head标签的所有内容 print(soup.head) # 获取第一个div标签中的所有内容 print(soup.div) # 获取第一个div标签的id的值 print(soup.div["id"]) # 获取第一个a标签中的所有内容 print(soup.a) # 获取所有的a标签中的所有内容 print(soup.find_all("a")) # 获取id="u1" print(soup.find(id="u1")) # 获取所有的a标签,并遍历打印a标签中的href的值 for item in soup.find_all("a"): print(item.get("href")) # 获取所有的a标签,并遍历打印a标签的文本值 for item in soup.find_all("a"): print(item.get_text())
BeautifulSoup4四大对象种类
BeautifulSoup4将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:
Tag:通俗点讲就是HTML中的一个个标签
from soup4 import BeautifulSoup soup = BeautifulSoup(html,"html.parser") # 获取title标签的所有内容 print(soup.title) # 获取head标签的所有内容 print(soup.head) # 获取第一个a标签的所有内容 print(soup.a) # 类型 print(type(soup.a #soup 对象本身比较特殊,它的 name 即为 [document] print(soup.name) # head #对于其他内部标签,输出的值便为标签本身的名称 print(soup.head.name) # 在这里,我们把 a 标签的所有属性打印输出了出来,得到的类型是一个字典。 print(soup.a.attrs) #还可以利用get方法,传入属性的名称,二者是等价的 print(soup.a['class']) # soup.a.get('class') # 可以对这些属性和内容等等进行修改 soup.a['class'] = "newClass" print(soup.a) # 还可以对这个属性进行删除 del soup.a['class'] print(soup.a)
NavigableString: 获取标签内部的文字用 .string即可
print(soup.title.string) print(type(soup.title.string))
BeautifulSoup: 表示的是一个文档的内容
print(type(soup.name)) print(soup.name) print(soup.attrs)
Comment: 是一个特殊类型的 NavigableString 对象,其输出的内容不包括注释符号。
print(soup.a) # 此时不能出现空格和换行符,a标签如下: # print(soup.a.string) # 新闻 print(type(soup.a.string)) #
遍历文档树
.contents:获取Tag的所有子节点,返回一个list
# tag的.content 属性可以将tag的子节点以列表的方式输出 print(soup.head.contents) # 用列表索引来获取它的某一个元素 print(soup.head.contents[1])
.children:获取Tag的所有子节点,返回一个生成器
for child in soup.body.children: print(child)
搜索文档树
find_all(name, attrs, recursive, text, **kwargs)
并不是所有的属性都可以使用上面这种方式进行搜索,比如HTML的data-*属性,我们可以使用attrs参数,定义一个字典来搜索包含特殊属性的tag:
item_list = soup.find_all(attrs={"data-foo":"value"}) for item in item_list: print(item)
通过text参数可以搜索文档中的字符串内容,与name参数的可选值一样。text参数接受 字符串,正则表达式,列表
item_list = soup.find_all(attrs={"data-foo": "value"}) for item in item_list: print(item) item_list = soup.find_all(text="hao123") for item in item_list: print(item) item_list = soup.find_all(text=["hao123", "地图", "贴吧"]) for item in item_list: print(item) item_list = soup.find_all(text=re.compile("\d")) for item in item_list: print(item)
传入一个limit参数来限制返回的数量
item_list = soup.find_all("a",limit=2) for item in item_list: print(item)
limit参数
text参数
字符串过滤:会查找与字符串完全匹配的内容
正则表达式过:如果传入的是正则表达式,那么BeautifulSoup4会通过search()来匹配内容
列表: 如果传入一个列表,BeautifulSoup4将会与列表中的任一元素匹配到的节点返回
方法: 传入一个方法,根据方法来匹配
name参数
a_list = soup.find_all("a") print(a_list)
item_list = soup.find_all(re.compile("a")) for item in item_list: print(item)
item_list = soup.find_all(["meta","link"]) for item in item_list: print(item)
def name_is_exists(tag): return tag.has_attr("name") item_list = soup.find_all(name_is_exists) for item in item_list: print(item)
kwargs参数
# 查询id=head的Tag item_list = soup.find_all(id="head") print(item_list) # 查询href属性包含ss1.bdstatic.com的Tag item_list = soup.find_all(href=re.compile("http://news.baidu.com")) print(item_list) # 查询所有包含class的Tag(注意:class在Python中属于关键字,所以加_以示区别) item_list = soup.find_all(class_=True) for item in item_list: print(item)
attrs参数
find
返回符合条件的第一个Tag,即当我们要取一个值的时候就可以用这个方法
t = soup.div.div # 等价于 t = soup.find("div").find("div")
CSS选择器
通过标签名查找
print(soup.select('title')) print(soup.select('a'))
通过类名查找
print(soup.select('.mnav'))
通过id查找
print(soup.select('#u1'))
组合查找
print(soup.select('div .bri'))
属性查找
print(soup.select('a[class="bri"]')) print(soup.select('a[href="http://tieba.baidu.com"]'))
获取内容
item_list = soup.select("title") print(soup.select('title')[0].get_text())
到此,相信大家对“BeautifulSoup常用语法有哪些”有了更深的了解,不妨来实际操作一番吧!这里是创新互联网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
当前文章:BeautifulSoup常用语法有哪些
本文地址:http://scyanting.com/article/pcgjdg.html