beautifulsoup的应用

最新推荐文章于 2023-07-12 17:25:46 发布

原创最新推荐文章于 2023-07-12 17:25:46 发布 · 367 阅读

0 ·

CC 4.0 BY-SA版权

爬虫专栏收录该内容

2 篇文章

订阅专栏

本文介绍BeautifulSoup库的使用方法，包括标准选择器和CSS选择器的运用，演示了如何解析HTML文档，查找特定标签、属性及文本内容。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

beautifulsoup是一个灵活又方便的网页解析库，处理高效，支持多种解析器。

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
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
'''
soup = BeautifulSoup(html)

使用BeautifulSoup解析这段代码,能够得到一个 BeautifulSoup 的对象,并能按照标准的缩进格式的结构输出。
1标准选择器
find_all
find_all(name,attrs,recursive,text,**kwargs)可以根据标签名，属性，内容查找文档

find
find(name,attrs,recursive,text,**kwargs)
find返回的匹配结果的第一个元素

结果返回的是一个列表的方式
soup.find_all(text=‘xx’)查询text=xx的文本
attrs可以传入字典的方式来查找标签，但是这里有个特殊的就是class,因为class在python中是特殊的字段，所以如果想要查找class相关的可以更改attrs={‘class_’:‘element’}或者soup.find_all(’’,{“class”:"element})，id等特殊的标签属性可以不写attrs。

2CSS选择器
通过select()直接传入CSS选择器就可以完成选择
[attr] 可以通过这种方法找到具有某个属性的所有标签
[atrr=xx] 例子[target=_blank]表示查找所有target=_blank的标签
get_text()可以获取文本内容
attrs获取属性