python爬虫（三）：BeautifulSoup 【5. 信息提取（find_all）】

find_all：

<>.find_all(name, attrs, recursive, string, **kwargs)

∙ name : 对标签名称的检索字符串

∙ attrs: 对标签属性值的检索字符串，可标注属性检索

∙ recursive: 是否对子孙全部检索，默认True

∙ string: <>…</>中字符串区域的检索字符串

 

由于find_all很常用，所以有简写形式

<tag>('a')等价于<tag>.find_all('a')

soup('a') 等价于 soup.find_all('a')

 

 

 

信息提取方法：

方法一：完整解析信息的标记形式，再提取关键信息

XML JSON YAML

需要标记解析器，例如：bs4库的标签树遍历

优点：信息解析准确

缺点：提取过程繁琐，速度慢

 

方法二：无视标记形式，直接搜索关键信息

搜索

对信息的文本查找函数即可

优点：提取过程简洁，速度较快

缺点：提取结果准确性与信息内容相关