BeautifulSoup的介绍及作用有哪些

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

一、BeautifulSoup构建

1.1 通过字符串构建

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())

1.2 从文件加载

from bs4 import BeautifulSoup

with open(r"F:\tmp\etree.html") as fp:
    soup = BeautifulSoup(fp,"lxml")

print(soup.prettify())

二、Tag对象

2.1 string、strings、stripped_strings

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。

2.2 get_text()

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)

2.3 属性

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。

三、contents、children与descendants

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

3.1 parent、parents

parent:父节点 parents:递归父节点

3.2 next_sibling、previous_sibling

next_sibling:后一个兄弟节点 previous_sibling:前一个兄弟节点

3.3 next_element、previous_element

next_element:后一个节点 previous_element:前一个节点

next_element与next_sibling的区别是:

  1. next_sibling从当前tag的结束标签开始解析

  2. next_element从当前tag的开始标签开始解析

四、find、find_all

4.1 方法

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

4.2 tag名称

# 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')

4.3 属性

# 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")

4.4 正则表达式

import re
# 查找与p开头的节点
soup.find_all(class_=re.compile("^p"))

4.5 函数

# 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')

4.6 文本

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")

五、select

5.1 方法

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。

5.2 通过tag选择

# 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。

5.3 id与类选择器

# 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。

5.4 属性选择器

# 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]")

5.5 其他选择器

# 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)")

六、实例

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 = '''

    
      
        
      
    
           解忧杂货店       [日] 东野圭吾 / 李盈春 / 南海出版公司 / 2014-5 / 39.50元
                        8.5                      (537322人评价)                
      

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... 

    
''' soup = BeautifulSoup(text, 'lxml') print(soup.select_one("a.nbg").get("href")) print(soup.find("img").get("src")) title = soup.select_one("h3 a") print(title.get("href")) print(title.get("title")) print(soup.find("div", class_="pub").string) print(soup.find("span", class_="rating_nums").string) print(soup.find("span", class_="pl").string.strip()) print(soup.find("p").string)

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。

七、CSS选择器

7.1 常用选择器

BeautifulSoup的介绍及作用有哪些

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
elementp选择所有p节点
element,elementdiv,p选择所有div节点和所有p节点
element elementdiv p选择div节点内部的所有p节点
element>elementdiv>p选择父节点为div节点的所有p节点
element+elementdiv+p选择紧接在div节点之后的所有p节点
element~elementp~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
  •         
    

BeautifulSoup的介绍及作用有哪些

7.2 位置选择器

BeautifulSoup的介绍及作用有哪些

选择器示例说明
:first-of-typep:first-of-type选择其父节点的首个p节点
:last-of-typep:last-of-type选择其父节点的最后p节点
:only-of-typep:only-of-type选择其父节点唯一的p节点
:only-childp: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-childp: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

        
2-1div
        

3-2p

        

4-3p

        

5-4p

    

BeautifulSoup的介绍及作用有哪些

7.3 其他选择器

BeautifulSoup的介绍及作用有哪些

选择器示例说明
:not(selector):not(p)选择非p节点的节点
:emptyp:empty选择没有子节点的p节点
::selection::selection选择被用户选取的节点
:focusinput:focus选择获得焦点的input节点
:root:root选择文档的根节点
:enabledinput:enabled选择每个启用的input节点
:disabledinput:disabled选择每个禁用的input节点
:checkedinput:checked选择每个被选中的input节点
:linka:link选择所有未被访问的链接
:visiteda:visited选择所有已被访问的链接
:activea:active选择活动链接
:hovera:hover选择鼠标指针位于其上的链接
:first-letterp:first-letter选择每个p节点的首字母
:first-linep:first-line选择每个p节点的首行
:first-childp:first-child选择属于父节点的第一个子节点的每个p节点
:beforep:before在每个p节点的内容之前插入内容
:afterp: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!


网站名称:BeautifulSoup的介绍及作用有哪些
分享URL:http://pwwzsj.com/article/goohch.html

其他资讯