1. Beautiful Soup的简单介绍

Beautiful Soup是python的一个库，主要的功能是从网页抓取数据，并对数据进行分析。官方解释为：Beautiful Soup提供一些简单的、python式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文档为用户提供需要抓取的数据。Beautiful Soup自动将输入文档转换为Unicode编码，输出文档转换为utf-8编码。不需要考虑编码方式。

2. Beautiful Soup 安装

我装的是python3.6，没多想，直接装BS4(Beautiful Soup 4)了，不过有人说python3.6对bs4支持的不好，建议装bs3，这个我先装bs4，不好了，到时再换

pip安装：pip install bs4

安装后，先看个例子：

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,'lxml')

print(soup.prettify()) #打印一下 soup 对象的内容，格式化输出

print(soup.title)

print(soup.title.name)

print(soup.title.string)

print(soup.title.parent.name)

print(soup.p)

print(soup.p["class"])

print(soup.a)

print(soup.find_all('a'))

print(soup.find(id='link3'))

执行结果：

<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 class="sister" href="http://example.com/elsie" id="link1">

    Elsie

   </a>

   ,

   <a class="sister" href="http://example.com/lacie" id="link2">

    Lacie

   </a>

   and

   <a class="sister" href="http://example.com/tillie" id="link3">

    Tillie

   </a>

   ;

and they lived at the bottom of a well.

  </p>

  <p class="story">

   ...

  </p>

 </body>

</html>

<title>The Dormouse's story</title>

title

The Dormouse's story

head

<p class="title"><b>The Dormouse's story</b></p>

['title']

<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>

[<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>]

<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>

同时我们通过下面代码可以分别获取所有的链接，以及文字内容：

for link in soup.find_all('a'):

    print(link.get('href'))

print('-------------------------')

print(soup.get_text())

执行结果：

http://example.com/elsie

http://example.com/lacie

http://example.com/tillie

-------------------------

The Dormouse's story

The Dormouse's story

Once upon a time there were three little sisters; and their names were

Elsie,

Lacie and

Tillie;

and they lived at the bottom of a well.

下面是常见解析器：

Beautiful Soup支持Python标准库中的HTML解析器,还支持一些第三方的解析器，如果我们不安装它，则 Python 会使用 Python默认的解析器，lxml 解析器更加强大，速度更快，推荐安装。

下面是常见解析器：

解析器	使用方法	优势	劣势
Python标准库	BeautifulSoup(markup, “html.parser”)	Python的内置标准库执行速度适中文档容错能力强 Python 2.7.3 or 3.2.2)前的版本中文档容错能力差
lxml HTML 解析器	BeautifulSoup(markup, “lxml”)	速度快文档容错能力强需要安装C语言库
lxml XML 解析器	BeautifulSoup(markup, [“lxml”, “xml”])BeautifulSoup(markup, “xml”)	速度快唯一支持XML的解析器需要安装C语言库
html5lib	BeautifulSoup(markup, “html5lib”)	最好的容错性以浏览器的方式解析文档生成HTML5格式的文档速度慢不依赖外部扩展

3. Beautiful Soup四大对象种类

Beautiful Soup将复杂HTML文档转换成一个复杂的树形结构，每个节点都是Python对象，所有对象可以归纳为4种:

Tag
NavigableString
BeautifulSoup
Comment

（1）Tag

Tag 就是 HTML 中的一个个标签，例如

<title>The Dormouse's story</title>

<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>

title，a等等 HTML 标签加上里面包括的内容就是 Tag，用 Beautiful Soup 来方便地获取 Tags，例如：

print(soup.title)

#<title>The Dormouse's story</title>

print(type(soup.a))  #查看该对象的类型

#<class 'bs4.element.Tag'>

对于 Tag，它有两个重要的属性，是 name 和 attrs，看实例

name

print(soup.name)  #[ document]

print(soup.head.name)   #head

soup 对象本身比较特殊，它的 name 即为 [document]，对于其他内部标签，输出的值便为标签本身的名称。

attrs

print(soup.p.attrs)  #{'class': ['title']} #把 p 标签的所有属性打印输出了出来，得到的类型是一个字典。所以想要单独获取某个属性，可按字典方法处理

print(soup.p['class'])  #['title']

print(soup.p.get('class'))  #还可利用get方法，传入属性的名称，二者是等价的

soup.p["name"]="dromouse" #可以对这些属性和内容等等进行修改

print(soup.p)  #<p class="newClass" name="dromouse"><b>The Dormouse's story</b></p>

del soup.p['class']  #属性进行删除

print(soup.p) #<p name="dromouse"><b>The Dormouse's story</b></p>

（2）NavigableString

要获取标签内部的文字，用 .string 即可，例如

print(soup.p.string)  #The Dormouse's story

print(type(soup.p.string))  #<class 'bs4.element.NavigableString'>

（3）BeautifulSoup

BeautifulSoup 对象表示的是一个文档的全部内容.大部分时候,可以把它当作 Tag 对象，是一个特殊的 Tag，可以分别获取它的类型，名称，以及属性

print(type(soup.name)) #<type 'unicode'>

print(soup.name) # [document]

print(soup.attrs)  #{} 空字典

（4）Comment

Comment 对象是一个特殊类型的 NavigableString 对象，但它输出的内容仍然不包括注释符号，例如：

print(soup.a)  #<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>

print(soup.a.string)  #Elsie

print(type(soup.a.string)) #<class 'bs4.element.Comment'>

a 标签里的内容实际上是注释，但是如果用 .string 来输出它的内容，其实它已经把注释符号去掉了。

所以有必要用type确定其是 Comment 类型，在进行输出。

import bs4

if type(soup.a.string)==bs4.element.Comment:

    print(soup.a.string)

4. 遍历文档树

（1）直接子节点.content和.children

tag 的 .content 属性可以将tag的子节点以列表的方式输出

print(soup.head.contents) #[<title>The Dormouse's story</title>]

print(soup.head.contents[]) #<title>The Dormouse's story</title>

tag 的.children它返回的不是一个 list，但可以通过遍历获取所有子节点。

print(soup.head.children) #<listiterator object at 0x7f71457f5710>

for child in  soup.body.children:

    print(child)

执行结果：
<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 class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>,

<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a> and

（2）所有子孙节点.descendants

.contents 和 .children 属性仅包含tag的直接子节点，.descendants 属性可以对所有tag的子孙节点进行递归循环，和 children类似，也需要遍历获取其中的内容。

for child in soup.descendants:

    print(child)

执行结果：

<html><head><title>The Dormouse's story</title></head>

<body>

<p class="title" name="dromouse"><b>The Dormouse's story</b></p>

<p class="story">Once upon a time there were three little sisters; and their names were

<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>,

（3）节点内容.string

.string 属性：如果tag只有一个 NavigableString 类型子节点,那么这个tag可以用 .string 得到子节点。如果一个tag仅有一个子节点,那么这个tag也可以使用 .string 方法,输出结果与当前唯一子节点的 .string 结果相同。

print(soup.head.string)  #The Dormouse's story

Print(soup.title.string)  #The Dormouse's story

但如果tag包含了多个子节点,tag就无法确定，string 方法应该调用哪个子节点的内容， .string 的输出结果是 None

print(soup.html.string) #None

（4）多个内容.strings和.stripped_strings：

.strings：获取多个内容，不过需要遍历获取，比如下面的例子

for string in soup.strings:

    print(repr(string))

执行结果略过

.stripped_strings：输出的字符串中可能包含了很多空格或空行,用 .stripped_strings 可以去除多余空白内容

for string in soup.stripped_strings:

    print(repr(string))

执行结果：

The Dormouse's story

The Dormouse's story

Once upon a time there were three little sisters; and their names were

Elsie

,

Lacie

and

Tillie

;

and they lived at the bottom of a well.

...

（5）父节点 .parent

p = soup.p

print(p.parent.name)#body

content = soup.head.title.string

print(content.parent.name)  #title

（6）全部父节点.parents

.parents 属性：通过元素的 .parents 属性可以递归得到元素的所有父辈节点，例如

content = soup.head.title.string

for parent in  content.parents:

    print(parent.name)

执行结果：

title

head

html

[document]

（7）兄弟节点.next_sibling .previous_sibling 属性

兄弟节点是与本节点处在统一级的节点，.next_sibling 属性获取了该节点的下一个兄弟节点，.previous_sibling 则与之相反，如果节点不存在，则返回 None

注意：实际文档中的tag的 .next_sibling 和 .previous_sibling 属性通常是字符串或空白，因为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

print(soup.p.next_sibling)  # 实际该处为空白

print(soup.p.prev_sibling) #None   没有前一个兄弟节点，返回 None

print(soup.p.next_sibling.next_sibling)

#<p class="story">Once upon a time there were three little sisters; and their names were

#<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>,

#<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a> and

#<a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>;

#and they lived at the bottom of a well.</p>

（8）全部兄弟节点.next_siblings .previous_siblings 属性

通过 .next_siblings 和 .previous_siblings 属性可以对当前节点的兄弟节点迭代输出

for sibling in soup.a.next_siblings:

    print(repr(sibling))

    # ',\n'

    # <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>

    # ' and\n'

    # <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>

    # '; and they lived at the bottom of a well.'

    # None

（9）前后节点.next_element .previous_element 属性

与 .next_sibling .previous_sibling 不同，它并不是针对于兄弟节点，而是在所有节点，不分层次，比如 head 节点为<head><title>The Dormouse's story</title></head>那么它的下一个节点便是 title，它是不分层次关系的

print(soup.head.next_element)

#<title>The Dormouse's story</title>

（10）所有前后节点.next_elements .previous_elements 属性

通过 .next_elements 和 .previous_elements 的迭代器就可以向前或向后访问文档的解析内容,就好像文档正在被解析一样

5.搜索文档树

（1）find_all( name , attrs , recursive , text , **kwargs )

find_all() 方法搜索当前tag的所有tag子节点,并判断是否符合过滤器的条件

1）name 参数

name 参数可以查找所有名字为 name 的tag,字符串对象会被自动忽略掉

A.传字符串

最简单的过滤器是字符串.在搜索方法中传入一个字符串参数,Beautiful Soup会查找与字符串完整匹配的内容,下面的例子用于查找文档中所有的<b>标签

soup.find_all('b') # [<b>The Dormouse's story</b>]

print(soup.find_all('a'))

#[<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>]

B.传正则表达式

如果传入正则表达式作为参数,Beautiful Soup会通过正则表达式的 match() 来匹配内容.下面例子中找出所有以b开头的标签,这表示<body>和<b>标签都应该被找到

import re

for tag in soup.find_all(re.compile("^b")):

    print(tag.name)

# body

# b

C.传列表

如果传入列表参数,Beautiful Soup会将与列表中任一元素匹配的内容返回.下面代码找到文档中所有<a>标签和<b>标签

soup.find_all(["a", "b"])

# [<b>The Dormouse's story</b>,

#  <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>]

D.传 True

True 可以匹配任何值,下面代码查找到所有的tag,但是不会返回字符串节点

for tag in soup.find_all(True):

    print(tag.name)

# html

# head

# title

# body

# p

# b

# p

# a

# a

E.传方法

如果没有合适过滤器,那么还可以定义一个方法,方法只接受一个元素参数 [4] ,如果这个方法返回 True 表示当前元素匹配并且被找到,如果不是则反回 False

下面方法校验了当前元素,如果包含 class 属性却不包含 id 属性,那么将返回 True:

def has_class_but_no_id(tag):

    return tag.has_attr('class') and not tag.has_attr('id')

将这个方法作为参数传入 find_all() 方法,将得到所有<p>标签:

soup.find_all(has_class_but_no_id)

# [<p class="title"><b>The Dormouse's story</b></p>,

#  <p class="story">Once upon a time there were...</p>,

#  <p class="story">...</p>]

2）keyword 参数

注意：如果一个指定名字的参数不是搜索内置的参数名，搜索时会把该参数当作指定名字tag的属性来搜索,如果包含一个名字为 id 的参数,Beautiful Soup会搜索每个tag的”id”属性

soup.find_all(id='link2')

# [<a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]

#如果传入 href 参数,Beautiful Soup会搜索每个tag的”href”属性soup.find_all(href=re.compile("elsie"))

# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>]

#使用多个指定名字的参数可以同时过滤tag的多个属性

soup.find_all(href=re.compile("elsie"), id='link1')

# [<a class="sister" href="http://example.com/elsie" id="link1">three</a>]

#在这里我们想用 class 过滤，不过 class 是 python 的关键词，加个下划线就可以

soup.find_all("a", class_="sister")

# [<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>].

#有些tag属性在搜索不能使用,比如HTML5中的 data-* 属性

data_soup = BeautifulSoup('<div data-foo="value">foo!</div>')

data_soup.find_all(data-foo="value")

# SyntaxError: keyword can't be an expression

#但是可以通过 find_all() 方法的 attrs 参数定义一个字典参数来搜索包含特殊属性的tag

data_soup.find_all(attrs={"data-foo": "value"})

# [<div data-foo="value">foo!</div>]

3）text 参数

通过 text 参数可以搜搜文档中的字符串内容.与 name 参数的可选值一样, text 参数接受字符串 , 正则表达式 , 列表, True

soup.find_all(text="Elsie")

# ['Elsie']

soup.find_all(text=["Tillie", "Elsie", "Lacie"])

# ['Elsie', 'Lacie', uTillie'] 

soup.find_all(text=re.compile("Dormouse"))

#["The Dormouse's story", "The Dormouse's story"]

4）limit 参数

find_all() 方法返回全部的搜索结构,如果文档树很大那么搜索会很慢.如果我们不需要全部结果,可以使用 limit 参数限制返回结果的数量.效果与SQL中的limit关键字类似,当搜索到的结果数量达到 limit 的限制时,就停止搜索返回结果.

文档树中有3个tag符合搜索条件,但结果只返回了2个,因为我们限制了返回数量

soup.find_all("a", limit=)

# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,

#  <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>]

5）recursive 参数

调用tag的 find_all() 方法时,Beautiful Soup会检索当前tag的所有子孙节点,如果只想搜索tag的直接子节点,可以使用参数 recursive=False .

一段简单的文档:

<html>

 <head>

  <title>

   The Dormouse's story

  </title>

 </head>

是否使用 recursive 参数的搜索结果:

soup.html.find_all("title")

# [<title>The Dormouse's story</title>]

soup.html.find_all("title", recursive=False)

# []

（2）find( name , attrs , recursive , text , **kwargs )

它与 find_all() 方法唯一的区别是 find_all() 方法的返回结果是值包含一个元素的列表,而 find() 方法直接返回结果

（3）find_parents() find_parent()

find_all() 和 find() 只搜索当前节点的所有子节点,孙子节点等. find_parents() 和 find_parent() 用来搜索当前节点的父辈节点,搜索方法与普通tag的搜索方法相同,搜索文档搜索文档包含的内容

（4）find_next_siblings() find_next_sibling()

这2个方法通过 .next_siblings 属性对当 tag 的所有后面解析的兄弟 tag 节点进行迭代, find_next_siblings() 方法返回所有符合条件的后面的兄弟节点,find_next_sibling() 只返回符合条件的后面的第一个tag节点

（5）find_previous_siblings() find_previous_sibling()

这2个方法通过 .previous_siblings 属性对当前 tag 的前面解析的兄弟 tag 节点进行迭代, find_previous_siblings()方法返回所有符合条件的前面的兄弟节点, find_previous_sibling() 方法返回第一个符合条件的前面的兄弟节点

（6）find_all_next() find_next()

这2个方法通过 .next_elements 属性对当前 tag 的之后的 tag 和字符串进行迭代, find_all_next() 方法返回所有符合条件的节点, find_next() 方法返回第一个符合条件的节点

（7）find_all_previous() 和 find_previous()

这2个方法通过 .previous_elements 属性对当前节点前面的 tag 和字符串进行迭代, find_all_previous() 方法返回所有符合条件的节点, find_previous()方法返回第一个符合条件的节点

注：以上（2）（3）（4）（5）（6）（7）方法参数用法与 find_all() 完全相同，原理均类似，在此不再赘述。

6.CSS选择器

一般在写 CSS 时，标签名不加任何修饰，类名前加点，id名前加 #，在这里我们也可以利用类似的方法来筛选元素，用到的方法是 soup.select()，返回类型是 list

通过select()直接传入CSS选择器就可以完成选择
.表示class

#表示id
标签1，标签2 找到所有的标签1和标签2
标签1 标签2 找到标签1内部的所有的标签2
[attr] 可以通过这种方法找到具有某个属性的所有标签
[atrr=value] 例子[target=_blank]表示查找所有target=_blank的标签

（1）通过标签名查找

print(soup.select('title') ) #[<title>The Dormouse's story</title>]

print(soup.select('a'))

#[<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>]

print(soup.select('b'))

#[<b>The Dormouse's story</b>]

（2）通过类名查找

print(soup.select('.sister'))

#[<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>]

（3）通过 id 名查找

print(soup.select('#link1'))

#[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]

（4）组合查找

组合查找即和写 class 文件时，标签名与类名、id名进行的组合原理是一样的，例如查找 p 标签中，id 等于 link1的内容，二者需要用空格分开

print(soup.select('p #link1'))

#[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]

#直接子标签查找

print(soup.select("head > title"))

#[<title>The Dormouse's story</title>]

（5）属性查找

查找时还可以加入属性元素，属性需要用中括号括起来，注意属性和标签属于同一节点，所以中间不能加空格，否则会无法匹配到。

print(soup.select('a[class="sister"]'))

#[<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>]

同样，属性仍然可以与上述查找方式组合，不在同一节点的空格隔开，同一节点的不加空格

print(soup.select('a[href="http://example.com/elsie"]'))

#[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>

以上的 select 方法返回的结果都是列表形式，可以遍历形式输出，然后用 get_text() 方法来获取它的内容。

soup = BeautifulSoup(html, 'lxml')

print(type(soup.select('title')))

print(soup.select('title')[].get_text())

for title in soup.select('title'):

    print(title.get_text())

python模块之beautifulSoup的更多相关文章

Python爬虫之Beautifulsoup模块的使用
一 Beautifulsoup模块介绍 Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.Be ...
50个很棒的Python模块
50个很棒的Python模块我很喜欢Python,Python具有强大的扩展能力,我列出了50个很棒的Python模块,包含几乎所有的需要:比如Databases,GUIs,Images, Soun ...
requsets模块和beautifulsoup模块
2.requests模块方法 requests是基于Python开发的HTTP库,使用Requests可以轻而易举的完成浏览器可有的任何操作. request.get() request.post() ...
【Python爬虫】BeautifulSoup网页解析库
BeautifulSoup 网页解析库阅读目录初识Beautiful Soup Beautiful Soup库的4种解析器 Beautiful Soup类的基本元素基本使用标签选择器节点操作 ...
python模块大全
python模块大全2018年01月25日 13:38:55 mcj1314bb 阅读数:3049 pymatgen multidict yarl regex gvar tifffile jupyte ...
[转]Python 模块收集
Python 模块收集转自:http://kuanghy.github.io/2017/04/04/python-modules Python | Apr 4, 2017 | python 工具 a ...
Python 模块 re （Regular Expression）
使用 Python 模块 re 实现解析小工具概要在开发过程中发现,Python 模块 re(Regular Expression)是一个很有价值并且非常强大的文本解析工具,因而想要分享一下此 ...
python开发_常用的python模块及安装方法
adodb:我们领导推荐的数据库连接组件bsddb3:BerkeleyDB的连接组件Cheetah-1.0:我比较喜欢这个版本的cheetahcherrypy:一个WEB frameworkctype ...
[转]50个很棒的Python模块
转自:http://www.cnblogs.com/foxhengxing/archive/2011/07/29/2120897.html Python具有强大的扩展能力,以下列出了50个很棒的Pyt ...

随机推荐

Python 求和函数
#coding=utf-8 ########################### #求1到10,20到30,30到40之和 ########################### sum=0 for ...
算法Sedgewick第四版-第1章基础-1.4 Analysis of Algorithms-004计算内存
1. 2. 3.字符串
STL之priority_queue(优先队列)
priority_queue是一个容器适配器,在这个容器里第一个数据元素是最大的.它的使用场景是什么样:如果12306抢票,为什么黄牛能抢这么多票,感觉12306那边的请求队列是一个优先队列,黄牛的请 ...
c语言中的const的作用及解析
有时候我们希望定义这样一种变量,它的值不能被改变,在整个作用域中都保持固定.例如,用一个变量来表示班级的最大人数,或者表示缓冲区的大小.为了满足这一要求,可以使用const关键字对变量加以限定: co ...
Java50道经典习题-程序26 求星期
题目:请输入星期几的第一个字母来判断一下是星期几,如果第一个字母一样,则继续判断第二个字母.分析:用情况语句比较好,如果第一个字母一样,则判断用情况语句或if语句判断第二个字母.周一至周日的英文单词 ...
C#.Net使用正则表达式抓取百度百家文章列表
工作之余,学习了一下正则表达式,鉴于实践是检验真理的唯一标准,于是便写了一个利用正则表达式抓取百度百家文章的例子,具体过程请看下面源码: 一:获取百度百家网页内容 public List<str ...
Linux 新建用户、用户组，给用户分配权限
注:内容来自网络 Linux 系统是一个多用户多任务的分时操作系统,任何一个要使用系统资源的用户,都必须首先向系统管理员申请一个账号,然后以这个账号的身份进入系统.用户的账号一方面可以帮助系统管理员对 ...
Kotlin第一篇 Hello Kotlin以及简单介绍。
首先需要一个编译器,我们使用Intellij IDE https://www.jetbrains.com/idea/download/#section=windows 下载下来安装好. 那么我们就来 ...
编译安装log4cxx
1.介绍 Log4cxx是开放源代码项目Apache Logging Service的子项目之一,是Java社区著名的log4j的c++移植版,用于为C++程序提供日志功能,以便开发者对目标程序进行调 ...
angular知识点总结
angularjs angular支持的运算逻辑运算比较运算三目运算调用字符串对象的成员方法使用直接变量表示法创建对象使用数组 (不可以)new var (不可以)调用全局es javas ...

python模块之beautifulSoup

1. Beautiful Soup的简单介绍

2. Beautiful Soup 安装

3. Beautiful Soup四大对象种类

（1）Tag

（2）NavigableString

（3）BeautifulSoup

（4）Comment

4. 遍历文档树

（1）直接子节点.content和.children

（3）节点内容.string

（4）多个内容.strings和.stripped_strings：

（5）父节点 .parent

（6）全部父节点.parents

（7）兄弟节点.next_sibling .previous_sibling 属性

（8）全部兄弟节点.next_siblings .previous_siblings 属性

（9）前后节点.next_element .previous_element 属性

（10）所有前后节点.next_elements .previous_elements 属性

5.搜索文档树

（1）find_all( name , attrs , recursive , text , **kwargs )

（2）find( name , attrs , recursive , text , **kwargs )

（3）find_parents() find_parent()

（4）find_next_siblings() find_next_sibling()

（5）find_previous_siblings() find_previous_sibling()

（6）find_all_next() find_next()

（7）find_all_previous() 和 find_previous()

6.CSS选择器

（1）通过标签名查找

（2）通过类名查找

（3）通过 id 名查找

（4）组合查找

（5）属性查找

python模块之beautifulSoup的更多相关文章

随机推荐

热门专题