国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁(yè) > 編程 > Python > 正文

python BeautifulSoup使用方法詳解

2019-11-25 18:37:13
字體:
來(lái)源:轉(zhuǎn)載
供稿:網(wǎng)友

直接看例子:

復(fù)制代碼 代碼如下:

#!/usr/bin/python
# -*- coding: utf-8 -*-
from bs4 import BeautifulSoup
html_doc = """
<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://m.survivalescaperooms.com" class="sister" id="link1">Elsie</a>,
<a href="http://m.survivalescaperooms.com" class="sister" id="link2">Lacie</a> and
<a href="http://m.survivalescaperooms.com" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""
soup = BeautifulSoup(html_doc)
print soup.title
print soup.title.name
print soup.title.string
print soup.p
print soup.a
print soup.find_all('a')
print soup.find(id='link3')
print soup.get_text()

結(jié)果為:

復(fù)制代碼 代碼如下:

<title>The Dormouse's story</title>
title
The Dormouse's story
<p class="title"><b>The Dormouse's story</b></p>
<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>
[<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link3">Tillie</a>]
<a class="sister" href="http://m.survivalescaperooms.com" id="link3">Tillie</a>
The Dormouse's story
The Dormouse's story
Once upon a time there were three little sisters; and their names were
Elsie,
Lacie and
Tillie;
and they lived at the bottom of a well.
...

可以看出:soup 就是BeautifulSoup處理格式化后的字符串,soup.title 得到的是title標(biāo)簽,soup.p  得到的是文檔中的第一個(gè)p標(biāo)簽,要想得到所有標(biāo)簽,得用find_all
函數(shù)。find_all 函數(shù)返回的是一個(gè)序列,可以對(duì)它進(jìn)行循環(huán),依次得到想到的東西.
get_text() 是返回文本,這個(gè)對(duì)每一個(gè)BeautifulSoup處理后的對(duì)象得到的標(biāo)簽都是生效的。你可以試試 print soup.p.get_text()
其實(shí)是可以獲得標(biāo)簽的其他屬性的,比如我要獲得a標(biāo)簽的href屬性的值,可以使用 print soup.a['href'],類(lèi)似的其他屬性,比如class也是可以這么得到的(soup.a['class'])。
特別的,一些特殊的標(biāo)簽,比如head標(biāo)簽,是可以通過(guò)soup.head 得到,其實(shí)前面也已經(jīng)說(shuō)了。
如何獲得標(biāo)簽的內(nèi)容數(shù)組?使用contents 屬性就可以 比如使用 print soup.head.contents,就獲得了head下的所有子孩子,以列表的形式返回結(jié)果,
可以使用 [num]  的形式獲得 ,獲得標(biāo)簽,使用.name 就可以。
獲取標(biāo)簽的孩子,也可以使用children,但是不能print soup.head.children 沒(méi)有返回列表,返回的是 <listiterator object at 0x108e6d150>,
不過(guò)使用list可以將其轉(zhuǎn)化為列表。當(dāng)然可以使用for 語(yǔ)句遍歷里面的孩子。
關(guān)于string屬性,如果超過(guò)一個(gè)標(biāo)簽的話,那么就會(huì)返回None,否則就返回具體的字符串print soup.title.string 就返回了 The Dormouse's story
超過(guò)一個(gè)標(biāo)簽的話,可以試用strings
向上查找可以用parent函數(shù),如果查找所有的,那么可以使用parents函數(shù)
查找下一個(gè)兄弟使用next_sibling,查找上一個(gè)兄弟節(jié)點(diǎn)使用previous_sibling,如果是查找所有的,那么在對(duì)應(yīng)的函數(shù)后面加s就可以

如何遍歷樹(shù)?

使用find_all 函數(shù)

復(fù)制代碼 代碼如下:

find_all(name, attrs, recursive, text, limit, **kwargs)

舉例說(shuō)明:

復(fù)制代碼 代碼如下:

print soup.find_all('title')
print soup.find_all('p','title')
print soup.find_all('a')
print soup.find_all(id="link2")
print soup.find_all(id=True)

返回值為:

復(fù)制代碼 代碼如下:

[<title>The Dormouse's story</title>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link3">Tillie</a>]
[<a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>]
[<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link3">Tillie</a>]

通過(guò)css查找,直接上例子:

復(fù)制代碼 代碼如下:

print soup.find_all("a", class_="sister")
print soup.select("p.title")

通過(guò)屬性進(jìn)行查找

復(fù)制代碼 代碼如下:

print soup.find_all("a", attrs={"class": "sister"})

通過(guò)文本進(jìn)行查找

復(fù)制代碼 代碼如下:

print soup.find_all(text="Elsie")
print soup.find_all(text=["Tillie", "Elsie", "Lacie"])

限制結(jié)果個(gè)數(shù)

復(fù)制代碼 代碼如下:

print soup.find_all("a", limit=2)

結(jié)果為:

復(fù)制代碼 代碼如下:

[<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link3">Tillie</a>]
[<p class="title"><b>The Dormouse's story</b></p>]
[<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link3">Tillie</a>]
[u'Elsie']
[u'Elsie', u'Lacie', u'Tillie']
[<a class="sister" href="http://m.survivalescaperooms.com" id="link1">Elsie</a>, <a class="sister" href="http://m.survivalescaperooms.com" id="link2">Lacie</a>]

總之,通過(guò)這些函數(shù)可以查找到想要的東西。

發(fā)表評(píng)論 共有條評(píng)論
用戶名: 密碼:
驗(yàn)證碼: 匿名發(fā)表
主站蜘蛛池模板: 嘉善县| 洮南市| 阿拉尔市| 和政县| 鄯善县| 怀柔区| 普兰店市| 西平县| 将乐县| 丰宁| 孝昌县| 昭通市| 阿城市| 普安县| 福海县| 贵州省| 宁城县| 承德市| 武安市| 灵寿县| 轮台县| 汕头市| 武夷山市| 东丰县| 嘉黎县| 嘉祥县| 手游| 泰安市| 广州市| 桂林市| 湘西| 新平| 普兰县| 瓦房店市| 庐江县| 扎赉特旗| 科技| 宜章县| 清涧县| 宁乡县| 嘉峪关市|