本篇内容介绍了“BeautifulSoup的介绍及作用有哪些”的有关知识,在实际案例的操作过程中,不少人都会遇到这样的困境,接下来就让小编带领大家学习一下如何处理这些情况吧!希望大家仔细阅读,能够学有所成!
成都创新互联从2013年成立,是专业互联网技术服务公司,拥有项目网站设计制作、成都网站设计网站策划,项目实施与项目整合能力。我们以让每一个梦想脱颖而出为使命,1280元阜新做网站,已为上家服务,为阜新各地企业和个人服务,联系电话:13518219792
from bs4 import BeautifulSoup html = """The Dormouse's story Once upon a time there were three little sisters; and their names were
""" soup = BeautifulSoup(html, 'html.parser') print(soup.prettify())
from bs4 import BeautifulSoup with open(r"F:\tmp\etree.html") as fp: soup = BeautifulSoup(fp,"lxml") print(soup.prettify())
如果一个节点只包含文本节点,可以通过string直接访问文本节点
如果不止包含文本节点,那么string为None
如果不止包含文本节点,可以通过strings、stripped_strings获取文本节点内容,strings、stripped_strings获取的都是生成器。
只获取文本节点
soup.get_text() #可以指定不同节点之间的文本使用|分割。 soup.get_text("|") # 可以指定去除空格 soup.get_text("|", strip=True)
tag.attrs是一个字典类型,可以通过tag['id']这样的方式获取值。下标访问的方式可能会抛出异常KeyError,所以可以使用tag.get('id')方式,如果id属性不存在,返回None。
都是节点的子节点,不过: contents是列表 children是生成器
contents、children只包含直接子节点,descendants也是一个生成器,不过包含节点的子孙节点
parent:父节点 parents:递归父节点
next_sibling:后一个兄弟节点 previous_sibling:前一个兄弟节点
next_element:后一个节点 previous_element:前一个节点
next_element与next_sibling的区别是:
next_sibling从当前tag的结束标签开始解析
next_element从当前tag的开始标签开始解析
find_parent:查找父节点 find_parents:递归查找父节点 find_next_siblings:查找后面的兄弟节点 find_next_sibling:查找后面满足条件的第一个兄弟节点 find_all_next:查找后面所有节点 find_next:查找后面第一个满足条件的节点 find_all_previous:查找前面所有满足条件的节点 find_previous:查找前面第一个满足条件的节点
# 查找所有p节点 soup.find_all('p') # 查找title节点,不递归 soup.find_all("title", recursive=False) # 查找p节点和span节点 soup.find_all(["p", "span"]) # 查找第一个a节点,和下面一个find等价 soup.find_all("a", limit=1) soup.find('a')
# 查找id为id1的节点 soup.find_all(id='id1') # 查找name属性为tim的节点 soup.find_all(name="tim") soup.find_all(attrs={"name": "tim"}) #查找class为clazz的p节点 soup.find_all("p", "clazz") soup.find_all("p", class_="clazz") soup.find_all("p", class_="body strikeout")
import re # 查找与p开头的节点 soup.find_all(class_=re.compile("^p"))
# 查找有class属性并且没有id属性的节点 soup.find_all(hasClassNoId) def hasClassNoId(tag): return tag.has_attr('class') and not tag.has_attr('id')
soup.find_all(string="tim") soup.find_all(string=["alice", "tim", "allen"]) soup.find_all(string=re.compile("tim")) def onlyTextTag(s): return (s == s.parent.string) # 查找只有文本节点的节点 soup.find_all(string=onlyTextTag) # 查找文本节点为tim的a节点 soup.find_all("a", string="tim")
相比于find,select方法就少了很多,就2个,一个是select,另一个是select_one,区别是select_one只选择满足条件的第一个元素。
select的重点在于选择器上,所以接下来我们重点通过介绍示例介绍一些常用的选择器。如果对应css选择器不熟悉的朋友,可以先看一下后面CSS选择器的介绍。
# 选择title节点 soup.select("title") # 选择body节点下的所有a节点 soup.select("body a") # 选择html节点下的head节点下的title节点 soup.select("html head title")
通过tag选择非常简单,就是按层级,通过tag的名称使用空格分割就可以了。
# 选择类名为article的节点 soup.select(".article") # 选择id为id1的a节点 soup.select("a#id1") # 选择id为id1的节点 soup.select("#id1") # 选择id为id1、id2的节点 soup.select("#id1,#id2")
id和类选择器也比较简单,类选择器使用.开头,id选择器使用#开头。
# 选择有href属性的a节点 soup.select('a[href]') # 选择href属性为http://mycollege.vip/tim的a节点 soup.select('a[href="http://mycollege.vip/tim"]') # 选择href以http://mycollege.vip/开头的a节点 soup.select('a[href^="http://mycollege.vip/"]') # 选择href以png结尾的a节点 soup.select('a[href$="png"]') # 选择href属性包含china的a节点 soup.select('a[href*="china"]') # 选择href属性包含china的a节点 soup.select("a[href~=china]")
# 父节点为div节点的p节点 soup.select("div > p") # 节点之前有div节点的p节点 soup.select("div + p") # p节点之后的ul节点(p和ul有共同父节点) soup.select("p~ul") # 父节点中的第3个p节点 soup.select("p:nth-of-type(3)")
最后我们还是通过一个小例子,来看一下BeautifulSoup的使用。
from bs4 import BeautifulSoup text = '''
现代人内心流失的东西,这家杂货店能帮你找回——僻静的街道旁有一家杂货店,只要写下烦恼投进卷帘门的投信口, 第二天就会在店后的牛奶箱里得到回答。因男友身患绝...
非常简单,如果对CSS选择器熟悉的话,很多复杂的结构也能轻松搞定。
选择器 | 示例 | 说明 |
---|---|---|
.class | .intro | 选择class="intro"的所有节点 |
#id | #firstname | 选择id="firstname"的所有节点 |
* | * | 选择所有节点 |
element | p | 选择所有p节点 |
element,element | div,p | 选择所有div节点和所有p节点 |
element element | div p | 选择div节点内部的所有p节点 |
element>element | div>p | 选择父节点为div节点的所有p节点 |
element+element | div+p | 选择紧接在div节点之后的所有p节点 |
element~element | p~ul | 选择和p元素拥有相同父节点,并且在p元素之后的ul节点 |
[attribute^=value] | a[src^="https"] | 选择其src属性值以"https"开头的每个a节点 |
[attribute$=value] | a[src$=".png"] | 选择其src属性以".png"结尾的所有a节点 |
[attribute*=value] | a[src*="abc"] | 选择其src属性中包含"abc"子串的每个a节点 |
[attribute] | [target] | 选择带有target属性所有节点 |
[attribute=value] | [target=_blank] | 选择target="_blank"的所有节点 |
[attribute~=value] | [title~=china] | 选择title属性包含单词"china"的所有节点 |
[attribute|=value] | [lang|=zh] | 选择lang属性值以"zh"开头的所有节点 |
div p是包含孙子节点,div > p只选择子节点
element~element选择器有点不好理解,看下面的例子:
- ul-li1
- ul-li1
- ul-li1
p标签
- ul-li2
- ul-li2
- ul-li2
h3 tag
- ul-li3
- ul-li3
- ul-li3
选择器 | 示例 | 说明 |
---|---|---|
:first-of-type | p:first-of-type | 选择其父节点的首个p节点 |
:last-of-type | p:last-of-type | 选择其父节点的最后p节点 |
:only-of-type | p:only-of-type | 选择其父节点唯一的p节点 |
:only-child | p:only-child | 选择其父节点的唯一子节点的p节点 |
:nth-child(n) | p:nth-child(2) | 选择其父节点的第二个子节点的p节点 |
:nth-last-child(n) | p:nth-last-child(2) | 从最后一个子节点开始计数 |
:nth-of-type(n) | p:nth-of-type(2) | 选择其父节点第二个p节点 |
:nth-last-of-type(n) | p:nth-last-of-type(2) | 选择其父节点倒数第二个p节点 |
:last-child | p:last-child | 选择其父节点最后一个p节点 |
需要主要的是tag:nth-child(n)与tag:nth-of-type(n),nth-child计算的时候不要求类型相同,nth-of-type计算的时候必须是相同的tag。
有点绕,可以看一下下面的示例。
nth 1-1p
2-1div3-2p
4-3p
5-4p
选择器 | 示例 | 说明 |
---|---|---|
:not(selector) | :not(p) | 选择非p节点的节点 |
:empty | p:empty | 选择没有子节点的p节点 |
::selection | ::selection | 选择被用户选取的节点 |
:focus | input:focus | 选择获得焦点的input节点 |
:root | :root | 选择文档的根节点 |
:enabled | input:enabled | 选择每个启用的input节点 |
:disabled | input:disabled | 选择每个禁用的input节点 |
:checked | input:checked | 选择每个被选中的input节点 |
:link | a:link | 选择所有未被访问的链接 |
:visited | a:visited | 选择所有已被访问的链接 |
:active | a:active | 选择活动链接 |
:hover | a:hover | 选择鼠标指针位于其上的链接 |
:first-letter | p:first-letter | 选择每个p节点的首字母 |
:first-line | p:first-line | 选择每个p节点的首行 |
:first-child | p:first-child | 选择属于父节点的第一个子节点的每个p节点 |
:before | p:before | 在每个p节点的内容之前插入内容 |
:after | p:after | 在每个p节点的内容之后插入内容 |
:lang(language) | p:lang(it) | 选择带有以"it"开头的lang属性值的每个p节点 |
“BeautifulSoup的介绍及作用有哪些”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站,小编将为大家输出更多高质量的实用文章!