第14.10节 Python中使用BeautifulSoup解析http报文：html标签相关属性的访问

一、引言

在《第14.8节 Python中使用BeautifulSoup加载HTML报文》中介绍使用BeautifulSoup的安装、导入和创建对象的过程，本节介绍导入后利用BeautifulSoup对象访问相关标签数据。

本节案例中介绍处理的c:\temp\s1.html文件内容如下：

<!DOCTYPE html>

<html lang="zh-CN">

<head>

<style type="text/css">	.textline{color:blue;}</style>

<link href="https://blog.csdn.net/LaoYuanPython/article/details/95360624" rel="canonical"/>

<title>BeautifulSoups使用方法 - 老猿Python - CSDN博客 </title></head>

<body>

  <h1>老猿Python</h1>

	<div><p class="textline" name="line1"> 老猿Python首行</p></div>

	<div>

	<h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython" /> </h2>

	<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython" /> </h3>

  </div>

</body></html>

创建soup对象的代码如下：

>>> from bs4 import BeautifulSoup

>>> def getsoup():

    fp = open(r'c:\temp\s1.html',encoding='utf-8')

    soup = BeautifulSoup(fp, 'lxml')

    fp.close()

    print(soup)

    return soup

>>> soup=getsoup()

二、访问标签及其属性数据

通过BeautifulSoup对象可以访问标签对应的html元素、并进一步访问标签的名字、属性、html元素标签对中的内容。

通过Tag标签获取HTML元素内容

Tag就是 HTML 中的一个个标签，用 BeautifulSoup 可以很方便地获取 T标签，通过标签名可以获取HTML报文中对应标签的第一个记录。注意标签识别时对大小写敏感（标签应该都是小写）。

如上面读取文件解析报文构建soap对象后，访问相关的标签的结果：

>>> soup.title

<title>BeautifulSoups使用方法 - 老猿Python - CSDN博客 </title>

>>> soup.p

<p class="textline" name="line1"> 老猿Python首行</p>

>>> soup.link

<link href="https://blog.csdn.net/LaoYuanPython/article/details/95360624" rel="canonical"/>

通过标签获取标签属性

通过BeautifulSoup对象的标签名的attrs属性可以访问标签的所有属性，返回的属性为一个字典，如果通过标签名加属性名的方法可以访问属性的值。如：

>>> soup.link.attrs

{'href': 'https://blog.csdn.net/LaoYuanPython/article/details/95360624', 'rel': ['canonical']}

>>> soup.link['rel']

['canonical']

>>> soup.link.name

'link'

>>>

除了读取相关数据外，还可以通过赋值进行内存数据的修改，如：

>>> soup.title = '老猿Python'

注意：

 上述通过“BeautifulSoup对象.标签”去访问的数据都是html报文中第一个匹配的标签的内容；

 可以通过“BeautifulSoup对象.标签.attrs”访问标签的所有属性数据，如soup.link.attrs，通过“soup.标签[“属性名”]”访问具体属性的值，如soup.link[‘rel’]。

无嵌套情况下通过标签获取标签内的文字内容

当通过标签获取到标签内容后，可以通过标签内容的string属性获取标签内的文字。由于string属性返回内容的类型为bs4.element.NavigableString，所以称获取的文本为NavigableString，如：

>>> soup.title.string

'BeautifulSoups使用方法 - 老猿Python - CSDN博客 '

>>> soup.link

<link href="https://blog.csdn.net/LaoYuanPython/article/details/95360624" rel="canonical"/>

>>> soup.link.string

>>> soup.h1.string

'老猿Python'

>>>

上面soup.link.string没有数据，是因为link只有标签数据而标签外无内容。我们来看看数据类型：

>>> type( soup.title.string)

<class 'bs4.element.NavigableString'>

>>> soup.title.string[0:10]

'BeautifulS'

>>>

标签嵌套情况下通过父标签获取标签内的文字内容，这又分为三种情况：

1)如果标签里面只有唯一的一个标签无其他内容，那么string会返回最里面嵌套标签对应的内容。如：

>>> soup.div

<div><p class="textline" name="line1"> 老猿Python首行</p></div>

>>> soup.div.string

' 老猿Python首行'

>>> soup.div.p.string

' 老猿Python首行'

>>>

2)如果tag包含了1个子节点且本身标签内还有文本内容,无法确认该返回哪个文本内容，因此模块给string 的值为 None。如：

>>> soup.h2

<h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython"></a> </h2>

>>> soup.h2.string

>>> soup.h2.a

<a href="https://blog.csdn.net/LaoYuanPython"></a>

>>>

3)如果tag包含了多个子节点,string 的输出结果也是 None。

>>> soup.h3

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

>>> soup.h3.string

>>> soup.h3.b

<b>老猿Python第三行</b>

>>> soup.h3.b.string

'老猿Python第三行'

>>>

三、嵌套标签节点访问

通过标签的contents属性，可以访问其下嵌套的所有下级HTML元素，这些该标签下的子标签对应的HTML元素放到一个content 指向的列表中。如：

>>> print(soup.body.contents)

['\n', <h1>老猿Python</h1>, '\n', <div><p class="textline" name="line1"> 老猿Python首行</p></div>, '\n', <div>

<h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython"></a> </h2>

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

</div>, '\n']

>>>

注意换行符和空行都会作为一个列表元素返回。

2. 通过标签的children属性也可以访问标签下嵌套的所有HTML元素，只是其类型不是列表，而是一个迭代器。如：

>>> for i in soup.body.children:print(i,end=', ')

, <h1>老猿Python</h1>,

, <div><p class="textline" name="line1"> 老猿Python首行</p></div>,

, <div>

<h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython"></a> </h2>

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

</div>,

,

>>>

>>> type(soup.body.children)

<class 'list_iterator'>

>>>

从上述输出可以看到children与contents还是有换行符和空行。

访问嵌套标签的所有子孙节点

escendants 属性可以对标签其下所有层次的节点进行访问，而 children只能访问直接子节点，注意descendants返回的是一个生成器。

>>> type(soup.body.descendants)

<class 'generator'>

>>> for i in soup.body.descendants:print(i,end=', ')

, <h1>老猿Python</h1>, 老猿Python,

, <div><p class="textline" name="line1"> 老猿Python首行</p></div>, <p class="textline" name="line1"> 老猿Python首行</p>,  老猿Python首行,

, <div>

<h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython"></a> </h2>

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

</div>,

, <h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython"></a> </h2>, 老猿Python第二行, <a href="https://blog.csdn.net/LaoYuanPython"></a>,  ,

, <h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>, <b>老猿Python第三行</b>, 老猿Python第三行, <a href="https://blog.csdn.net/LaoYuanPython"></a>,  ,

,

,

>>>

访问标签的父节点

可以通过标签的parent属性访问其直接父节点，如：

>>> soup.b.parent

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

>>>

访问标签的所有祖先节点

通过标签的parents属性可以访问其所有父节点及祖先节点，该值为一个生成器，如：

>>> type(soup.b.parents)

<class 'generator'>

>>> for i in soup.b.parents:print(i.name,i.string)

h3 None

div None

body None

html None

[document] None

>>>

访问标签的同父节点下的同级兄弟节点

next_sibling 属性为节点的下一个兄弟节点，previous_sibling 属性为节点的上一个兄弟节点，如果节点不存在，则返回 None，由于空白或者换行也可以被视作一个节点，所以得到的结果可能是空白或者换行。

>>> soup.b.next_sibling

<a href="https://blog.csdn.net/LaoYuanPython"></a>

>>> soup.b.pre_sibling

>>>

访问标签的同父节点下的所有同级兄弟节点

通过next_siblings 和 previous_siblings 属性可以对当前节点的所有兄弟节点迭代访问，如：

>>> for i in soup.h2.next_siblings:print(i)

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

>>> for i in soup.h3.previous_siblings:print(i)

<h2>老猿Python第二行<a href="https://blog.csdn.net/LaoYuanPython"></a> </h2>

>>>

访问标签的前后节点

通过next_element和previous_element可以访问标签的前后元素，这里的前后是指html文档中当前标签的前一个元素和后一个元素，不论标签层级，只是字符串的位置前后。并且不一定是标签，只要是独立含义的部分。如：

>>> soup.b.next_element

'老猿Python第三行'

>>> soup.b.previous_element

<h3><b>老猿Python第三行</b><a href="https://blog.csdn.net/LaoYuanPython"></a> </h3>

>>>

访问标签的所有前后节点

通过 next_elements 和 previous_elements 的生成器就可以访问当前标签所有前面和后面的html文档解析元素。如：

>>> for n in soup.a.next_elements:

	if n!=None and n.name!=None:print(n.name)

h3

b

a

>>>  for n in soup.head.previous_elements:print(n.name)

None

html

None

>>>

注意部分元素可能是空行或换行符。

访问标签的所有内容

使用标签的contents属性可以访问该标签下的所有元素，如：

>>> soup.div.contents

['\n', <h1 class="t1" id="l1" name="line1">老猿Python第1行</h1>, '\n', <h2 class="t2" id="l2" name="line2">老猿Python第2行</h2>, '\n', <h3 class="t3" id="l3" name="line3">老猿Python第3行</h3>, '\n', <div>

<h1 class="t1" id="l4" name="line4">LaoYuanPython第1行</h1>

<h2 class="t2" id="l5" name="line5">LaoYuanPython第2行</h2>

<h3 class="t3" id="l6" name="line6">LaoYuanPython第3行</h3>

</div>, '\n']

>>> soup.h1.contents

['老猿Python第1行']

>>>

四、访问对象的所有内容

通过对象的strings属性迭代访问除标签外的所有内容，包括空行、空白行，如：

>>> for i in soup.head.strings:print(i)

	.textline{color:blue;}

BeautifulSoups使用方法 - 老猿Python - CSDN博客

>>>

通过对象的stripped_strings属性迭代访问所有内容，去除空行、空白行，如：

>>> for i in soup.head.stripped_strings:print(i)

.textline{color:blue;}

BeautifulSoups使用方法 - 老猿Python - CSDN博客

>>>

本节介绍了BeautifulSoup对象的主要属性，通过这些属性可以访问特定标签和内容。

老猿Python，跟老猿学Python!

博客地址：https://blog.csdn.net/LaoYuanPython

老猿Python博客文章目录：https://blog.csdn.net/LaoYuanPython/article/details/98245036

请大家多多支持，点赞、评论和加关注！谢谢！

第14.10节 Python中使用BeautifulSoup解析http报文：html标签相关属性的访问的更多相关文章

第14.12节 Python中使用BeautifulSoup解析http报文：使用select方法快速定位内容
一. 引言在<第14.10节 Python中使用BeautifulSoup解析http报文:html标签相关属性的访问>和<第14.11节 Python中使用BeautifulSo ...
第14.11节 Python中使用BeautifulSoup解析http报文：使用查找方法快速定位内容
一. 引言在<第14.10节 Python中使用BeautifulSoup解析http报文:html标签相关属性的访问>介绍了BeautifulSoup对象的主要属性,通过这些属性可以访 ...
第14.8节 Python中使用BeautifulSoup加载HTML报文
一. 引言 BeautifulSoup是一个三方模块bs4中提供的进行HTML解析的类,可以认为是一个HTML解析工具箱,对HTML报文中的标签具有比较好的容错识别功能.阅读本节需要了解html相关的 ...
第14.9节 Python中使用urllib.request+BeautifulSoup获取url访问的基本信息
利用urllib.request读取url文档的内容并使用BeautifulSoup解析后,可以通过一些基本的BeautifulSoup对象输出html文档的基本信息.以博文<第14.6节使用 ...
第9.10节 Python中IO模块其他文件操作属性和方法简介
本文中所有案例中的fp都是使用open函数打开文件返回的一个文件对象,为了节省篇幅,大部分没有提供文件打开的代码. 一. 文件是否关闭的属性属性名:closed 功用:判断文件是否关闭示例: &g ...
第7.22节 Python中使用super调用父类的方法
第7.22节 Python中使用super调用父类的方法前面章节很多地方都引入了super方法,这个方法就是访问超类这个类对象的.由于super方法的特殊性,本节单独谈一谈super方法. 一.su ...
第8.20节 Python中限制动态定义实例属性的白名单：__slots__
一. 引言按照<第7.10节 Python类中的实例变量定义与使用>.<第7.14节Python类中的实例方法解析>中的介绍,当定义了一个类,并且创建了该类的实例后,可以给该 ...
第8.23节 Python中使用sort/sorted排序与“富比较”方法的关系分析
一. 引言 <第8.21节 Python中__lt__.gt__等 "富比较"("rich comparison")方法用途探究>和<第8.2 ...
第8.27节 Python中__getattribute__与property的fget、@property装饰器getter关系深入解析
一. 引言在<第7.23节 Python使用property函数定义属性简化属性访问的代码实现>和<第7.26节 Python中的@property装饰器定义属性访问方法gette ...

随机推荐

C#练习题 if
提示用户输入用户名,然后再提示输入密码,如果用户名是"admin"并且密码是"888888",则提示正确,否则,如果用户名不是admin还提示用户用户名不存在, ...
论文阅读：An End-to-End Network for Generating Social Relationship Graphs
论文链接:https://arxiv.org/abs/1903.09784v1 Abstract 社交关系智能代理在人工智能领域中越来越引人关注.为此,我们需要一个可以在不同社会关系上下文中理解社交关 ...
fashion数据集训练
下载数据集 fashion数据集总共有7万张28*28像素点的灰度图片和标签,涵盖十个分类:T恤.裤子.套头衫.连衣裙.外套.凉鞋.衬衫.运动鞋.包.靴子. 其中6万张用于训练,1万张用于测试. im ...
[MIT6.006] 1. Algorithmic Thinking, Peak Finding 算法思维，峰值寻找
[MIT6.006] 系列笔记将记录我观看<MIT6.006 Introduction to Algorithms, Fall 2011>的课程内容和一些自己补充扩展的知识点.该课程主要介 ...
parted分区对齐
分区提示未对齐 [root@lab8106 ceph]# parted /dev/sdd GNU Parted 3.1 Using /dev/sdd Welcome to GNU Parted! Ty ...
Javaweb项目页面实时显示后台处理结果
http://www.cnblogs.com/dong-xu/p/6701271.html 此博文甚好,项目参照博主代码可实现. 前端页面: <%@ page language="ja ...
卷积神经网络图像纹理合成 Texture Synthesis Using Convolutional Neural Networks
代码实现概述这是关于Texture Synthesis Using Convolutional Neural Networks论文的tensorflow2.0代码实现,使用keras预训练的VGG ...
利用DNS实现SQL注入带外查询（OOB）
根据用于数据检索的传输信道,SQLi可分为三个独立的类别:inference(经典SQL注入),inband(盲注.推理注入.带内注入)和out-of-band 一.什么是OOB out-of-ban ...
thinkPHP命令执行漏洞
thinkPHP中反斜杠的作用是类库\命名空间命令执行的姿势通过反射invokefunction调用call_user_func_array方法,call_user_func_array函数接受两 ...
新鲜出炉！阿里巴巴，京东，美团面经汇总，已拿offer！
最近在后台收到了很多小伙伴的私信,说自己最近想好好准备一下,在不久后的秋招跳个槽往大厂冲击一下,想要我给大家整理出一份大厂面试题好用来做好准备.之前公司有点事比较忙就没回私信.最近好一点了我也是立马联 ...

第14.10节 Python中使用BeautifulSoup解析http报文：html标签相关属性的访问

第14.10节 Python中使用BeautifulSoup解析http报文：html标签相关属性的访问的更多相关文章

随机推荐

热门专题