pythonbeautifulsoup使用方法详解

直接看例子:

代码如下:

#!/usr/bin/python# -*- coding: utf-8 -*-from bs4 import beautifulsouphtml_doc = “””the dormouse’s story

the dormouse’s story

once upon a time there were three little sisters; and their names wereelsie,lacie andtillie;and they lived at the bottom of a well.

“””soup = beautifulsoup(html_doc)print soup.titleprint soup.title.nameprint soup.title.stringprint soup.pprint soup.aprint soup.find_all(‘a’)print soup.find()print soup.get_text()

结果为:

代码如下:

the dormouse’s storytitlethe dormouse’s story

the dormouse’s story

elsie[elsie, lacie, tillie]tilliethe dormouse’s storythe dormouse’s storyonce upon a time there were three little sisters; and their names wereelsie,lacie andtillie;and they lived at the bottom of a well….

可以看出:soup 就是beautifulsoup处理格式化后的字符串,soup.title 得到的是title标签,soup.p 得到的是文档中的第一个p标签,要想得到所有标签,得用find_all函数。find_all 函数返回的是一个序列,可以对它进行循环,依次得到想到的东西.get_text() 是返回文本,这个对每一个beautifulsoup处理后的对象得到的标签都是生效的。你可以试试 print soup.p.get_text()其实是可以获得标签的其他属性的,比如我要获得a标签的href属性的值,可以使用 print soup.a[‘href’],类似的其他属性,比如class也是可以这么得到的(soup.a[‘class’])。特别的,一些特殊的标签,比如head标签,是可以通过soup.head 得到,其实前面也已经说了。如何获得标签的内容数组?使用contents 属性就可以 比如使用 print soup.head.contents,就获得了head下的所有子孩子,以列表的形式返回结果,可以使用 [num] 的形式获得 ,获得标签,使用.name 就可以。获取标签的孩子,也可以使用children,但是不能print soup.head.children 没有返回列表,返回的是 ,不过使用list可以将其转化为列表。当然可以使用for 语句遍历里面的孩子。关于string属性,如果超过一个标签的话,那么就会返回none,否则就返回具体的字符串print soup.title.string 就返回了 the dormouse’s story超过一个标签的话,可以试用strings向上查找可以用parent函数,如果查找所有的,那么可以使用parents函数查找下一个兄弟使用next_sibling,查找上一个兄弟节点使用previous_sibling,如果是查找所有的,那么在对应的函数后面加s就可以

如何遍历树?使用find_all 函数

代码如下:

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

举例说明:

代码如下:

print soup.find_all(‘title’)print soup.find_all(‘p’,’title’)print soup.find_all(‘a’)print soup.find_all()print soup.find_all(id=true)

返回值为:

代码如下:

[the dormouse’s story][

the dormouse’s story

][elsie, lacie, tillie][lacie][elsie, lacie, tillie]

通过css查找,直接上例子:

代码如下:

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

通过属性进行查找

代码如下:

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

通过文本进行查找

代码如下:

print soup.find_all(text=”elsie”)print soup.find_all(text=[“tillie”, “elsie”, “lacie”])

限制结果个数

代码如下:

print soup.find_all(“a”, limit=2)

结果为:

代码如下:

[elsie, lacie, tillie][

the dormouse’s story

][elsie, lacie, tillie][u’elsie’][u’elsie’, u’lacie’, u’tillie’][elsie, lacie]

总之,通过这些函数可以查找到想要的东西。

Posted in 未分类