BeautifulSoup
bs4主要使用find()方法和find_all()方法来搜索文档。
find()用来搜索单一数据，find_all()用来搜索多个数据
find_all()与find()
name –> tag名
string –> 内容
recursive –>是否搜索所有子孙节点 默认为true 设为false只搜索子节点
两方法用法相似这里以find_all()为例。
#搜索tag名 <title></title> soup.find_all("title") #关于属性 #搜索id为"link2"的标签 soup.find_all(id='link2') #这里属性的值可以使用字符串,正则表达式 ,列表,True soup.find_all(id=re.compile("elsie")) #可以指定多个条件 soup.find_all(href=re.compile("elsie"), id='link1') #对于有些不能指定的标签(data-foo) soup.find_all(attrs={"data-foo": "value"}) #对于class -->class为python保留字使用class_ soup.find_all(class_="top") #属性结束 #关于string(内容) #基础 内容为'Elsie'的 soup.find_all(string="Elsie") #内容在数组中的 soup.find_all(string=["Tillie", "Elsie", "Lacie"]) #内容匹配正则表达式的 soup.find_all(string=re.compile("Dormouse")) #匹配函数 soup.find_all(string=is_the_only_string_within_a_tag) #内容结束 #搜索限制 #限制搜索数量为2 soup.find_all("a", limit=2) #只搜索直接子节点 soup.html.find_all("a", recursive=False) #搜索限制结束
简写
soup.find_all("a") #等价于 soup("a")
soup.title.find_all(string=True) #等价于 soup.title(string=True)
CSS选择器
Beautiful Soup支持大部分的CSS选择器
#搜索tag为title
soup.select("title")
#通过tag标签逐层查找
soup.select("html head title")
#寻找直接子标签
soup.select("head > title")
soup.select("p > #link1")
#选择所有紧接着id为link1元素之后的class为sister的元素
soup.select("#link1 + .sister")
#选择p元素之后的每一个ul元素
soup.select("p + ul")
#同时用多种CSS选择器查询元素
soup.select("#link1,#link2")
#通过查询元素属性
soup.select('a[href="http://example.com/elsie"]')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]
soup.select('a[href^="http://example.com/"]')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,
# <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,
# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]
soup.select('a[href$="tillie"]')
# [<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]
soup.select('a[href*=".com/el"]')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]
#通过查询元素属性结束
#通过语言查找
soup.select('p[lang|=en]')
#查找第一个元素
soup.select_one(".sister")
find_其他
find_parents() 和 find_parent()
搜索当前节点的父节点
#查找一个标签a a = soup("a", id="link1") #查找a的父节点中的P标签 a_string.find_parent("p")
find_next_siblings() 和 find_next_sibling()
搜索当前节点后边解析的兄弟节点
(可以理解为搜索当前标签下边的同级节点)
find_previous_siblings() 和 find_previous_sibling()
搜索当前节点前边解析的兄弟节点
(可以理解为搜索当前标签上边的同级节点)
扫描二维码关注公众号，回复：
3415211 查看本文章
find_all_next() 和 find_next()
对当前节点之后的节点进行迭代
find_all_previous() 和 find_previous()
对当前节点之前的节点进行迭代