BeautifulSoup常用语法有哪些

 
  
  
  
  
  
 
 
  
   
    
     
      
       新闻 
      
       hao123 
      
       地图 
      
       视频 
      
       贴吧 
      
       更多产品 
     

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：

# 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！