【二】BeautifulSoup的常用方法

bs4是python爬虫中一个是经典的库,在网上找了一小段html5的代码,自己码了些比较,给出了select find的常用方法,给出的是不依据CSS Selector而依据内容进行地选择

bs4


from bs4 import BeautifulSoup
html='''<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</p>
<a href="http://www.jb51.net" class="sister" id="link1">Elsie</a>,
<a href="http://www.jb51.net" class="sister" id="link2">Lacie</a> and
<a href="http://www.jb51.net" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
 <span class="glyphicon glyphicon-star"></span>'''
soup=BeautifulSoup(html, 'lxml')
print soup.title
        #title>The Dormouse's story</title>
print soup.text
      #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.
    #...
print soup.p   #只能找到p 标签的第一条
      #<p class="title"><b>The Dormouse's story</b></p>
print soup.select('a') #select返回是一个list
     #[<a class="sister" href="http://www.jb51.net" id="link1">Elsie</a>, <a class="sister" href="http://www.jb51.net" id="link2">Lacie</a>, <a class="sister" href="http://www.jb51.net" id="link3">Tillie</a>]
    
print soup.p.get_text()   #效果等同于soup.p.text,只能获取list中的一个 要想得到所有p.text 一定需要遍历么?
     #The Dormouse's story
print soup.find_all('p')  #  find_all找到所有p标签 ,并返回一个list,标头要有引号
    #[<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</p>, <p class="story">...</p>]
print soup.find(id="link3")   #比较而言,select直接可以寻找的只有标签头,find也是只能寻找到list的第一个元素
    #<a class="sister" href="http://www.jb51.net" id="link3">Tillie</a>
print soup.find_all(class_="sister")     #class要注意class_
    #[<a class="sister" href="http://www.jb51.net" id="link1">Elsie</a>, 
    #<a class="sister" href="http://www.jb51.net" id="link2">Lacie</a>, 
    # <a class="sister"  href="http://www.jb51.net" id="link3">Tillie</a>]
print soup.find_all(href="http://www.jb51.net",class_="sister")  #多元素
    #[<a class="sister" href="http://www.jb51.net" id="link1">Elsie</a>, 
    #<a class="sister" href="http://www.jb51.net" id="link2">Lacie</a>, 
    # <a class="sister" href="http://www.jb51.net" id="link3">Tillie</a>]
  print soup.a['href']  #只得到a标签中href值,要求所有a标签似乎需要遍历
    #http://www.jb51.net
 for tag in soup.find_all(True):     #只返回tag
                    print tag.name
       #html
       #head
       #title
       #body
       #p
       #b
       #p
       #a
       #a
       #a
       #p
   print type(soup.find_all(class_="sister"))   
   print type(soup.find(class_="sister") )
    #<class 'bs4.element.ResultSet'>
    #<class 'bs4.element.Tag'>  

小结

  • bs4的find 与select,还是有一些值得注意的细节要分清,否则就是不停地报错
  • 过滤器可以过滤的东西很多,除了上述之外还有方法、正则表达式作为内容
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,921评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,635评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,393评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,836评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,833评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,685评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,043评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,694评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,671评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,670评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,779评论 1 332
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,424评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,027评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,984评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,214评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,108评论 2 351
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,517评论 2 343

推荐阅读更多精彩内容