Beautiful Soup

Beautiful Soup是一個模塊，用于從HTML頁面中提取信息（類似于正則表達式的功能）。Beautiful Soup的模塊名稱是“bs4”（表示Beautiful Soup的第4版）。

安裝Beautiful Soup

命令：pip install beautifulsoup4

導入：import bs4

使用Beautiful Soup

1、根據HTML創建一個Beautiful Soup對象

bs4.BeautifulSoup()函數調用時需要一個字符串，其中包含了將要解析的HTML文件。

bs4.BeautifulSoup()函數返回一個BeautifulSoup對象。

當然bs4.BeautifulSoup()函數也可以從本地讀入HTML文件，前提是在本地保存了HTML文件，它會返回一個BeautifulSoup對象。

2、使用select()方法尋找元素

選擇器就好比正則表達式，它們指定了要尋找的模式，就可以取得Web頁面元素。

傳遞給select()方法的選擇器	將要匹配...
soup.select(‘div’)	所有名為<div>的元素
soup.select(‘#author’)	帶有id屬性為author的元素
soup.select(‘.notice’)	所有使用CSS class屬性名為notice的元素
soup.select(‘div span’)	所以在<div>元素之內的<span>元素
soup.select(‘div > span’)	所有直接在<div>元素之內的<span>元素，中間沒有其他元素
soup.select(‘input[name]’)	所有名為<input>，并有一個name屬性，其值無所謂的元素
soup.select(‘input[type=”button”]’)	所有名為<input>，并有一個type屬性，其值為button的元素

不同的選擇器模式可以組合起來，形成更復雜的匹配。

比如soup.select(‘p#author’)將匹配在<p>元素內所有id屬性為author的元素。

select()方法將返回一個Tag對象的列表，這是Beautiful Soup表示一個HTML元素的方式。Tag值可以傳遞給str()函數，顯示它們代表的HTML標簽。Tag值也可以有attrs屬性，它將該Tag的所有HTML屬性作為一個字典。

上面的代碼將所有帶有id = “su”的元素都找出來了，返回一個列表，列表中只有一個Tag對象（僅一次匹配），getText()方法返回元素內部文本或者內部HTML（即開始/結束標簽之間的內容），最后attrs屬性返回了一個字典。

3、通過元素獲取數據

Tag對象的get()方法可以很容易從元素中獲取屬性值，向該方法傳入一個屬性名稱的字符串，它將返回該屬性的值。

總結

以上是生活随笔為你收集整理的【学习笔记】Python - Beautiful Soup的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。