python网络爬虫（5）BeautifulSoup的使用示范
創(chuàng)建并顯示原始內(nèi)容
其中的lxml第三方解釋器加快解析速度
import bs4 from bs4 import BeautifulSoup html_str = """ <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="http://example.com/elsie" class="sister" id="link1"><!-- Elsie --></a>, <a href="http://example.com/lacie" class="sister" id="link2"><!-- Lacie --></a> and <a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>; and they lived at the bottom of a well.</p> <p class="story">...</p> """ soup = BeautifulSoup(html_str,'lxml') print(soup.prettify())控制臺顯示出soup需要處理的內(nèi)容：
?
提取對象內(nèi)容和屬性
搜索包括了所有的標簽。默認提取第一個符合條件的標簽。
提取Tag對象
其中，name用于顯示標簽名，去掉name則內(nèi)容直接顯示。
print(soup.name) print(soup.title.name) print(soup.title) print(soup.a)控制臺輸出效果如下：
顯示屬性
attrs用于顯示屬性。class用于顯示選中的標簽Tag中的類名。
print(soup.p['class']) print(soup.p.attrs)輸出結(jié)果：
內(nèi)容文字
顯示標記中的文字，NavigableString類型
print(soup.p.string) print(type(soup.p.string))效果：
顯示注釋
顯示注釋內(nèi)容，注意與普通string的區(qū)別在于最后的類，用于數(shù)據(jù)分類
print(soup.a.string) print(type(soup.a.string))?
文檔相關(guān)結(jié)點
直接子節(jié)點數(shù)組
結(jié)點中的contents輸出直接子節(jié)點數(shù)組，可以通過for逐個輸出，通過string屬性直接輸出內(nèi)容
print(soup.body.contents)輸出body標簽下的直接子節(jié)點：
結(jié)點children輸出直接子節(jié)點，和contents類似。不一樣的是返回了生成器，一點參考：https://www.cnblogs.com/wj-1314/p/8490822.html
for i in soup.body.children:print(i,end='')添加了end=''用于去掉print的自動換行
子、孫節(jié)點
結(jié)點descendants可以輸出子節(jié)點和孫節(jié)點
for i in soup.body.descendants:print(i)效果：
節(jié)點strings輸出全部子節(jié)點內(nèi)容值
print(soup.strings)print('------------------------') for text in soup.strings:print(text,end='')
效果：
節(jié)點stripped_strings輸出全部內(nèi)容并去掉回車和空格
for text in soup.stripped_strings:print(text)print每次輸出加上換行后，效果：
父節(jié)點相關(guān)
父節(jié)點parent
print(soup.title) print(soup.title.parent)效果：
父輩節(jié)點parents，這里只輸出名字就好了，否則內(nèi)容過多
for i in soup.a.parents:print(i.name)效果：
兄弟節(jié)點等
兄弟節(jié)點next_sibling，previous_sibling，另有 ：next_siblings,previous_siblings
print(soup.p.next_sibling.next_sibling) print(soup.p.previous_sibling)效果：
前后節(jié)點：next_element，next_elements等......
?
BeautifulSoup的搜索方法
包括了find_all，find，find_parents等等，這里只舉例find_all。
find_all中參數(shù)name查找名稱標記
查找所有b標簽
print(soup.find_all('b'))輸出：
查找所有b開頭的標簽
配合正則表達式使用
import re for tag in soup.find_all(re.compile("^b")):print(tag.name)輸出：
查找a開頭和b開頭的標簽
print(soup.find_all(["a", "b"]))輸出：（一個數(shù)組，過長）
查找所有標簽，True可以匹配任何值
for tag in soup.find_all(True):print(tag.name)輸出：
自定義過濾
查找含有class和id屬性的Tag標簽
def hasClass_Id(tag):return tag.has_attr('class') and tag.has_attr('id') print(soup.find_all(hasClass_Id))效果：
查找關(guān)鍵詞參數(shù)kwargs并輸出
查找id參數(shù)為link2的標簽
print(soup.find_all(id='link2'))輸出：
查找鏈接中含有elsie的標簽
配合正則表達式
print(soup.find_all(href=re.compile("elsie")))輸出：
查找所有有id屬性的標簽
print(soup.find_all(id=True))輸出：
查找所有a標簽且class內(nèi)容為sister
print(soup.find_all("a", class_="sister"))輸出：
查找所有鏈接含有elsie的標簽，id為link1
print(soup.find_all(href=re.compile("elsie"), id='link1'))輸出：
不能表達的屬性的解決方案
在html5中有些屬性不被支持，查找時，通過定義字典實現(xiàn)輸出
data_soup = BeautifulSoup('<div data-foo="value">foo!</div>','lxml') print(data_soup.find_all(attrs={"data-foo": "value"}))輸出：
通過text參數(shù)查找文本內(nèi)容并過濾
?輸入：
print(soup.find_all(text=["Tillie", "Elsie", "Lacie"])) print(soup.find_all(text=re.compile("Dormouse")))輸出：
通過limit參數(shù)限制查找數(shù)量
輸入：
print(soup.find_all("a", limit=2))輸出只有兩個：
通過recursive參數(shù)只查找直接子節(jié)點
soup位于根處
print(soup.find_all("title")) print(soup.find_all("title", recursive=False))輸出：
使用CSS選擇器查找
#直接查找title標簽 print soup.select("title") #逐層查找title標簽 print soup.select("html head title") #查找直接子節(jié)點 #查找head下的title標簽 print soup.select("head > title") #查找p下的id="link1"的標簽 print soup.select("p > #link1") #查找兄弟節(jié)點 #查找id="link1"之后class=sisiter的所有兄弟標簽 print soup.select("#link1 ~ .sister") #查找緊跟著id="link1"之后class=sisiter的子標簽 print soup.select("#link1 + .sister")print soup.select(".sister") print soup.select("[class~=sister]")print soup.select("#link1") print soup.select("a#link2")print soup.select('a[href]')print soup.select('a[href="http://example.com/elsie"]') print soup.select('a[href^="http://example.com/"]') print soup.select('a[href$="tillie"]') print soup.select('a[href*=".com/el"]')?輸出：
?
轉(zhuǎn)載于:https://www.cnblogs.com/bai2018/p/10964702.html
總結(jié)
以上是生活随笔為你收集整理的python网络爬虫（5）BeautifulSoup的使用示范的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 梦到与别人结婚但是没结成怎么解
- 下一篇： opencv python运动人体检测