BeautifulSoup库的学习（2）：BeautifulSoup库的基本元素

最新推荐文章于 2021-12-17 23:16:06 发布

原创最新推荐文章于 2021-12-17 23:16:06 发布 · 655 阅读

3 ·

CC 4.0 BY-SA版权

python3 爬虫专栏收录该内容

17 篇文章

订阅专栏

本文介绍BeautifulSoup库的基础元素，包括解析器、标签、属性等概念，通过实例演示如何使用Python代码获取HTML页面的基本元素。

BeautifulSoup库的基本元素

1. BeautifulSoup库的理解
2. BeautifulSoup库的解析器
3. Beautiful Soup类的基本元素
4. 使用代码获取HTML基本元素

1. BeautifulSoup库的理解

BeautifulSoup库是解析、遍历、维护“标签树”的功能库。
在这里插入图片描述

BeautifulSoup库的引用
BeautifulSoup库，也叫beautifulsoup4或bs4

在python中引用需加入下面代码:

from bs4 import BeautifulSoup
# 或
import bs4

2. BeautifulSoup库的解析器

在这里插入图片描述

3. Beautiful Soup类的基本元素

基本元素	说明
Tag	标签，最基本的信息组织单元，分别用<>和<>标明开头和结尾
Name	标签的名字，< p >…< /p >的名字是’p’，格式：< tag >.name
Attributes	标签的属性，字典形式组织，格式：< tag >.attrs
NavigableString	标签内非属性字符创，<>…</>中字符串，格式：< tag >.string
Comment	标签内字符串的注释部分，一种特殊的Comment类型

在这里插入图片描述

4. 使用代码获取HTML基本元素

依旧使用demo.html网页，网址：https://python123.io/ws/demo.html

from bs4 import BeautifulSoup
import requests

url = 'https://python123.io/ws/demo.html'
r = requests.get(url)
demo = r.text
soup = BeautifulSoup(demo, 'html.parser')
print(soup)

print(soup.title)   # 得到title标签  <title>This is a python demo page</title>

tag = soup.a        # 得到a标签  <a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">Basic Python</a>
print(tag.name)     # 得到a标签的名字 a

print(tag.parent.name)  # 得到a标签父亲的名字，即上一层标签 p
print(tag.parent.parent.name)   # 再上一层的名字 body

# 得到标签的属性信息
print(tag.attrs)            # 返回的是一个字典  {'href': 'http://www.icourse163.org/course/BIT-268001', 'class': ['py1'], 'id': 'link1'}
print(tag.attrs['class'])   # 利用字典的形式得到一些列表信息 ['py1']
print(tag.attrs['href'])	# http://www.icourse163.org/course/BIT-268001
print(type(tag.attrs))      # 查看标签的属性的类型  <class 'dict'>
print(type(tag))            # 查看tag的类型  <class 'bs4.element.Tag'>

print(soup.p.string)		# The demo python introduces several python courses.
print(type(soup.p.string))  # <class 'bs4.element.NavigableString'>

输出结果：

<html><head><title>This is a python demo page</title></head>
<body>
<p class="title"><b>The demo python introduces several python courses.</b></p>
<p class="course">Python is a wonderful general-purpose programming language. You can learn Python from novice to professional by tracking the following courses:
<a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">Basic Python</a> and <a class="py2" href="http://www.icourse163.org/course/BIT-1001870001" id="link2">Advanced Python</a>.</p>
</body></html>
<title>This is a python demo page</title>
<a class="py1" href="http://www.icourse163.org/course/BIT-268001" id="link1">Basic Python</a>
a
p
body
{'href': 'http://www.icourse163.org/course/BIT-268001', 'class': ['py1'], 'id': 'link1'}
['py1']
http://www.icourse163.org/course/BIT-268001
<class 'dict'>
<class 'bs4.element.Tag'>
The demo python introduces several python courses.
<class 'bs4.element.NavigableString'>