BeautifulSoup示例：

#!/usr/bin/env python

# -*- coding: utf-8 -*-

# author: imcati

html_doc = """

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

<body>

<p class="title"><b>The Dormouse's story</b><b>123</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>

"""

from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, 'html.parser')

#格式化输出对象内容

#print(soup.prettify())

#根据标签名获取整个标签，取第一个值

print(soup.a)

#获取标签的名字

print(soup.title.name)

#获取标签中的文本

print(soup.title.string)

#获取title标签的父标签

print(soup.title.parent.name)

#获取p标签的子标签

print(soup.p.contents)

#获取标签的属性值(两种方式)

print(soup.p["class"])

print(soup.p.attrs["class"])

#使用select、css选择器 类名前加.,id名前加#

print(soup.select("a"))

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

#获取内容

print(soup.select(".title")[0])

print(soup.select(".title")[0].get_text())

#获取属性值

print(soup.select(".title")[0].attrs["class"])

#获取p下面的子标签内容

print(soup.select('p > b')[1].get_text())

#使用find、findall进行查找 find返回第一个查找结果，find_all返回所有查找结果

print(soup.find('p',attrs={"class":"title"}))

print(soup.find_all('p',attrs={"class":"title"}))

输出：

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

title

The Dormouse's story

head

[<b>The Dormouse's story</b>, <b>123</b>]

['title']

['title']

[<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>]

[<p class="title"><b>The Dormouse's story</b><b>123</b></p>]

<p class="title"><b>The Dormouse's story</b><b>123</b></p>

The Dormouse's story123

['title']

123

<p class="title"><b>The Dormouse's story</b><b>123</b></p>
[<p class="title"><b>The Dormouse's story</b><b>123</b></p>]

PyQuery示例：

#!/usr/bin/env python
# -*- coding: utf-8 -*-
# author: imcati
from pyquery import PyQuery as pq
html = """
<html lang="en">
<head>
<title>PyQuery</title>
</head>
<body>
<ul id="container">
<li class="o1">MM</li>
<li class="o2 active">MN<a class='o22'>fad</a></li>
<li class="o3">GN</li>
</ul>
</body>
</html>
"""
#初始化为PyQuery对象
doc = pq(html)
print(type(doc))
print(doc)



输出：
<class 'pyquery.pyquery.PyQuery'>
<html lang="en">
<head>
<title>PyQuery</title>
</head>
<body>
<ul id="container">
<li class="o1">MM</li>
<li class="o2 active">MN<a class="o22">fad</a></li>
<li class="o3">GN</li>
</ul>
</body>
</html>




#将HTML文件初始化
#doc = pq(filename = './pyquery_demo.html') print(type(doc))
#print(doc)
#对网址响应进行初始化
#doc = pq(url='http://www.baidu.com')
#print(type(doc))
#print(doc)
#用css选择器来实现，如果要选id前面加#，如果选class，前面加.，如果选标签名，什么也不加
doc = pq(html)
# 根据标签
print(doc('title'))
print(doc('.o1'))




输出：
<title>PyQuery</title>




<li class="o1">MM</li>




# 组合标签
print(doc('.o2.active')) #空格表示里面，没有空格表示整体
print(doc('.o2 .o22'))#空格表示里面，没有空格表示整体




输出：
<li class="o2 active">MN<a class="o22">fad</a></li>


<a class="o22">fad</a>


# 伪类选择器
print(doc('li:nth-child(2)'))
# 根据标签内容获取标签
print(doc("li:contains('MM')"))


输出：
<li class="o2 active">MN<a class="o22">fad</a></li>


<li class="o1">MM</li>




#利用find方法
print(doc.find('li'))
# 也可以用.children()查找直接子元素
container = doc.find('#container')
print(container.children())


输出：
<li class="o1">MM</li>
            <li class="o2 active">MN<a class="o22">fad</a></li>
            <li class="o3">GN</li>


<li class="o1">MM</li>
            <li class="o2 active">MN<a class="o22">fad</a></li>
            <li class="o3">GN</li>


#.parent()查找对象的父元素
object_2 = doc.find('.o2')
print(object_2.parent())




输出：
<ul id="container">
            <li class="o1">MM</li>
            <li class="o2 active">MN<a class="o22">fad</a></li>
            <li class="o3">GN</li>
        </ul>


# #.parents()祖先节点
object_2 = doc.find('.o2')
parent = object_2.parents('#container')
#当然也可以传入参数
print(parent)




输出：
<ul id="container">
            <li class="o1">MM</li>
            <li class="o2 active">MN<a class="o22">fad</a></li>
            <li class="o3">GN</li>
        </ul>


#.siblings()兄弟元素，即同级别的元素，不包括自己
object_2 = doc.find('.o2')
print(object_2.siblings())




输出：
<li class="o1">MM</li>
            <li class="o3">GN</li>




# 遍历
lis = doc('li').items() #.items会是一个生成器 # print(type(lis))
for li in lis:
    print(li)




输出：
<li class="o1">MM</li>


<li class="o2 active">MN<a class="o22">fad</a></li>


<li class="o3">GN</li>




# filter() 根据类名、id名得到指定元素，例:
d=pq("<div><p id='1'>test 1</p><p id='2'>test 2</p></div>")
print(d('p').filter('#1')) #返回[<p#1>]
print(d('p').filter('#2')) #返回[<p.2>]
# eq(index) 根据给定的索引号得到指定元素
# 接上例，若想得到第二个p标签内的内容，则可以:
print (d('p').eq(1).html()) #返回test 2




输出：
<p id="1">test 1</p>
<p id="2">test 2</p>
test 2




# 获取属性值
o2 = doc.find('.o2')
print(o2.attr('class'))
# 获取文本值
o2 = doc.find('.o2') 
print(o2.text())




输出：
o2 active
MNfad


												


											
python解析库的更多相关文章
	

    
						
  1. python解析库之 XPath
		
    1. XPath (XML Path Language) XML路径语言 2. XPath 常用规则: nodename    选取此节点的所有子节点 /                    从当前 ...
    
		
    2. 
								
  2. python 中的json解析库
		
    当一个json 数据很大的时候.load起来是很耗时的.python中常见的json解析库有cjson,simplesjson,json, 初步比较了一下, 对于loads来讲 simplejson  ...
    
		
    3. 
						
  3. Python命令行解析库argparse
		
    2.7之后python不再对optparse模块进行扩展,python标准库推荐使用argparse模块对命令行进行解析. 1.example 有一道面试题:编写一个脚本main.py,使用方式如下: ...
    
		
    4. 
						
  4. Python 爬虫  解析库的使用  ---  Beautiful Soup
		
    知道了正则表达式的相关用法,但是一旦正则表达式写的有问题,得到的可能就不是我们想要的结果了.而且对于一个网页来说,都有一定的特殊结构和层级关系,而且有很多节点都有id或class来做区分,所以借助它们 ...
    
		
    5. 
						
  5. python爬虫之解析库Beautiful Soup
		
    为何要用Beautiful Soup 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, 是一个 ...
    
		
    6. 
						
  6. Python爬虫之Beautiful Soup解析库的使用（五）
		
    Python爬虫之Beautiful Soup解析库的使用 Beautiful Soup-介绍 Python第三方库,用于从HTML或XML中提取数据官方:http://www.crummv.com/ ...
    
		
    7. 
						
  7. 【Python爬虫】PyQuery解析库
		
    PyQuery解析库 阅读目录 初始化 基本CSS选择器 查找元素 遍历 获取信息 DOM操作 伪类选择器 PyQuery 是 Python 仿照 jQuery 的严格实现.语法与 jQuery 几乎 ...
    
		
    8. 
						
  8. 【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 ...
    
		
    9. 
						
  9. Python命令行解析库argparse（转）
		
    原文:http://www.cnblogs.com/linxiyue/p/3908623.html 2.7之后python不再对optparse模块进行扩展,python标准库推荐使用argparse ...
    
		
    10. 
		

	


随机推荐
	

    
									
  1. jquery实现input输入框点击加减数值随之变动
			
    <input class="addBtn min" type="button" value="-" /><input cl ...
    
			
    2. 
						
  2. [Mysql]过大sql文件导入过慢问题解决
			
    控制 MySQL 磁盘写入策略 以及 数据安全性 的两个关键参数: innodb_flush_log_at_trx_commit 和 sync_binlog 参数:innodb_flush_log_a ...
    
			
    3. 
						
  3. Javascript你必须要知道的知识点
			
    1.使用 typeof bar === "object" 判断 bar 是不是一个对象有神马潜在的弊端?如何避免这种弊端? 使用 typeof 的弊端是显而易见的(这种弊端同使用  ...
    
			
    4. 
						
  4. MessagePack Java Jackson Dataformat - 安装
			
    中文标题[MessagePack 的 Jackson 数据格式] 本页面中的所有示例程序,请到代码库 https://github.com/cwiki-us-demo/serialize-deseri ...
    
			
    5. 
						
  5. [JOI2012春季合宿]Rotate (链表)
			
    题意 题解 又是一道神仙题-- 显然的做法是大力splay,时间复杂度\(O((N+Q)N\log N)\), 可以卡掉. 正解: 使用十字链表维护矩阵,在周围增加第\(0\)行/列和第\((n+1) ...
    
			
    6. 
						
  6. HDU 5794 A Simple Chess  ——（Lucas + 容斥）
			
    网上找了很多人的博客,都看不太懂,还是大力学长的方法好. 要说明的一点是,因为是比较大的数字的组合数再加上mod比较小,因此用Lucas定理求组合数. 代码如下(有注释): #include < ...
    
			
    7. 
						
  7. 踩坑：VScode 集成 eslint 插件
			
    本文以 Vue 官方脚手架 Vue-cli 为例: 1. 创建 Vue 项目 注意:Vue-cli 默认给出了 eslint 配置,一路回车即可.最后在安装模块的时候,选择直接安装!我用淘宝镜像安装时 ...
    
			
    8. 
						
  8. 网络配置及一些shell命令概览
			
    一.临时配置网络(ip,网关,dns)+永久配置 1.临时配置网络IP地址命令为“ifconfig 网卡名 ip地址/24”,例如: ifconfig eth0 192.168.16.253/24 2 ...
    
			
    9. 
						
  9. CMD命令行管道命令
			
    一.什么是管道命令 管道命令能够将一个命令的执行结果经过筛选,只保留我们需要的信息. 如 dir 命令会显示目录下所有文件夹和文件,可以使用管道命令| findstr "" 将di ...
    
			
    10. 
						
  10. rest 参数与扩展运算符
			
    rest 参数与扩展运算符 1.rest 参数 ES6 引入 rest 参数(形式为...变量名),用于获取函数的多余参数,这样就不需要使用arguments对象了.rest 参数搭配的变量是一个数组 ...
    
			
    11.