1、安装bs4库

2、解析器

3、节点选择器

from bs4 import BeautifulSoup

html = '''

<html>

<head><title>这是标题</title></head>

<body>

<p class="title" name="dromouse"><b>这是标题</b></p>

<p class="story" >从前有座山

<a href="http://www.baidu.com/1" class="sister" id="link1">链接1</a>

<a href="http://www.baidu.com/2" class="sister" id="link2">链接2</a>

    <a href="http://www.baidu.com/3" class="sister" id="link3">链接3</a>

完了</p>

</body></html>

'''

soup = BeautifulSoup(html, 'lxml')

## prettify()把要解析的字符串以标准的缩进格式输出

print(soup.prettify())

## 获取head节点

print(soup.head)  # <head><title>这是标题</title></head>

## 获取p节点，返回第一个p节点

print(soup.p)

## 获取节点名称--name

print(soup.title.name) # title

## 获取节点属性--attrs

print(soup.p.attrs) # {'class': ['title'], 'name': 'dromouse'}

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

## 简写

print(soup.p['class']) # ['title']，返回列表，因为class属性可以有多个值

print(soup.p['name']) #dromouse，返回字符串，因为name属性只能有一个值

## 获取节点的文本

print(soup.p.string) # 这是标题

## 嵌套选择

print(soup.head.title) # <title>这是标题</title>

from bs4 import BeautifulSoup

html = '''

<html>

<head><title>这是标题</title></head>

<body>

<p class="story" >从前有座山

<a href="http://www.baidu.com/1" class="sister" id="link1">链接1</a>

<a href="http://www.baidu.com/2" class="sister" id="link2"><span>链接2</span></a>

    <a href="http://www.baidu.com/3" class="sister" id="link3">链接3</a>

完了</p>

</body></html>

'''

soup = BeautifulSoup(html, 'lxml')

## 关联选择

## 子节点 & 子孙节点

## contents属性，返回列表，包含p节点的每一个子节点

print(soup.p.contents)

## children属性，返回所有子节点，生成器类型，用for循环输出

print(soup.p.children) ## <list_iterator object at 0x0353BF10>

for child in enumerate(soup.p.children):

    print(child) ## 7个元素，包括 \n

## descendants属性，返回所有子孙节点，生成器类型，用for循环输出

print(soup.p.descendants) ## <generator object Tag.descendants at 0x03915330>

for child in enumerate(soup.p.descendants):

    print(child)

# 父节点 & 祖先节点

# parent属性，返回a节点的直接父节点 p

print(soup.a.parent)

## parents属性，返回所有祖先节点，生成器类型

print(list(enumerate(soup.a.parents)))

## 兄弟节点

print('下一个兄弟', soup.a.next_sibling)

print('上一个兄弟', soup.a.previous_sibling)

print('所有前面的兄弟', list(enumerate(soup.a.next_siblings)))

print('所有后面的兄弟', list(enumerate(soup.a.previous_siblings)))

4、方法选择器

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

　　　　返回所有匹配结果，列表类型

html = '''

<div class="panel">

    <div class="panel-heading">

        <h4>Hello</h4>

    </div>

    <div class="panel-body">

        <ul class="list" id="list-1">

            <li class="element">BBB</li>

            <li class="element">BBB CCC</li>

            <li class="element">GGG</li>

        </ul>

        <ul class="list list-small" id="list-2">

            <li class="element">HHH</li>

            <li class="element">YYY</li>

            <li class="element">VVV</li>

        </ul>

    </div>

</div>

'''

from bs4 import BeautifulSoup

import re

soup = BeautifulSoup(html,'lxml')

# name—根据节点名查询，返回列表，每个元素类型为Tag类型

print(soup.find_all(name='ul'))

for ul in soup.find_all(name='ul'):

    for li in ul.find_all(name='li'):

        print(li.string)

# attrs--属性查询，参数类型是字典类型，返回列表类型

print(soup.find_all(attrs={'class':'element'}))

## id，class属性为常用属性，可以不用字典形式

print(soup.find_all(class_='element'))

print(soup.find_all(id='list-1'))

# text--匹配节点的文本，传入参数可以是字符串或者正则表达式

print(soup.find_all(text='BBB'))

print(soup.find_all(text=re.compile('BBB'))) # ['BBB', 'BBB CCC']

（2）     find()  返回第一个匹配结果，Tag类型

（3）     find_parents()  返回所有祖先节点

　　　　find_parent()  返回父亲节点

（4）     find_next_siblings()  返回所有后面的兄弟节点

　　　　find_next_sibling()  返回第一个后面的兄弟节点

（5）     find_previous_siblings()  返回所有前面的兄弟节点

　　　　find_ previous _sibling()  返回第一个前面的兄弟节点

（6）     find_all_next ()  返回所有后面的节点

　　　　find_next ()  返回第一个后面的节点

（7）     find_all_previous ()  返回所有前面的节点

　　　　find_ previous ()  返回第一个前面的节点

5、CSS选择器

select()

html = '''

 <div class="panel">

     <div class="panel-heading">

         <h4>Hello</h4>

     </div>

     <div class="panel-body">

         <ul class="list" id="list-1">

             <li class="element">BBB</li>

             <li class="element">BBB CCC</li>

             <li class="element">GGG</li>

         </ul>

         <ul class="list list-small" id="list-2">

             <li class="element">HHH</li>

             <li class="element">YYY</li>

             <li class="element">VVV</li>

         </ul>

    </div>

</div>

 '''

from bs4 import BeautifulSoup

import re

soup = BeautifulSoup(html,'lxml')

print(soup.select('.panel-heading')) ## class属性值为 panel-heading

print(soup.select('li')) ## 返回列表类型，列表元素为Tag类型

print(soup.select('#list-2 .element'))

## 嵌套选择

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

    print(ul.select('li'))

## 获取属性

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

    print(ul['id'])

    ## 或者

    print(ul.attrs['id'])

## 获取文本 get_text()

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

    print('获得文本：', li.get_text())

    print('或者：', li.string)

　　

　　

　　

【BOOK】解析库--Beautiful Soup的更多相关文章

  1. 小白学 Python 爬虫（21）：解析库 Beautiful Soup（上）

    小白学 Python 爬虫(21):解析库 Beautiful Soup(上) 人生苦短,我用 Python 前文传送门: 小白学 Python 爬虫(1):开篇 小白学 Python 爬虫(2):前 ...

  2. 小白学 Python 爬虫（22）：解析库 Beautiful Soup（下）

    人生苦短,我用 Python 前文传送门: 小白学 Python 爬虫(1):开篇 小白学 Python 爬虫(2):前置准备(一)基本类库的安装 小白学 Python 爬虫(3):前置准备(二)Li ...

  3. 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 ...

  4. Python3编写网络爬虫06-基本解析库Beautiful Soup的使用

    二.Beautiful Soup 简介 就是python的一个HTML或XML的解析库 可以用它来很方便的从网页中提取数据 0.1 提供一些简单的 python式的函数来处理导航,搜索,修改分析树等功 ...

  5. Python的html和xml解析库Beautiful Soup

    网站:http://www.crummy.com/software/BeautifulSoup/ 版权声明:本文博主原创文章,博客,未经同意不得转载.

  6. python标准库Beautiful Soup与MongoDb爬喜马拉雅电台的总结

    Beautiful Soup标准库是一个可以从HTML/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,Beautiful Soup将会节省数小 ...

  7. Python爬虫库-Beautiful Soup的使用

    Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库,简单来说,它能将HTML的标签文件解析成树形结构,然后方便地获取到指定标签的对应属性. 如在上一篇文章通过爬虫 ...

  8. 爬虫用到的库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.Beautiful Soup会帮你节省数小时 ...

  9. 爬虫（五）—— 解析库（二）beautiful soup解析库

    目录 解析库--beautiful soup 一.BeautifulSoup简介 二.安装模块 三.Beautiful Soup的基本使用 四.Beautiful Soup查找元素 1.查找文本.属性 ...

  10. 使用Beautiful Soup

    Beautiful Soup初了解 # 解析工具Beautiful Soup,借助网页的结构和属性等特性来解析网页(简单的说就是python的一个HTML或XML的解析库)# Beautiful So ...

随机推荐

  1. JavaScript基础知识整理（对象的属性）

    对象的定义 无序属性的集合,属性可以包括基本值,对象或函数. JavaScript中有两类属性,数据属性和访问器属性. 特征值 JavaScript使用特征值来描述属性的行为,因为是为实现JavaSc ...

  2. Linux的常用命令符标注

    1.who命令--显示目前登录系统的用户信息. 语法:who(选项)(参数)参数:查询的文件 常用选项:-h:显示各栏位的标题信息列. -w:显示用户的信息状态栏. -q:显示登陆入系统的账号名称和总 ...

  3. CSS的拾遗（1）

    CSS的拾遗(1) 1.padding: (1)定义:在一个声明中设置所有内边距属性 (2)用法: 例子 1:上,右,下,左 padding:10px 5px 15px 20px; 上内边距是 10p ...

  4. vue 中的 provide/inject

    provide/inject 是 vue 2.2.0 版本新增 类型: provide:Object | () => Object inject:Array<string> | { ...

  5. Json数组形式的字符串转为Map数组、Map集合的几种遍历方式

    // Json数组形式的字符串转为Map数组 String strArr = "[{"name": "xx", "age": &q ...

  6. 向mysql插入数据是出现Incorrect string value错误

    在向Mysql中添加中文数据时,报错(incorrect string value ) 字符转换不正确 插入语句:mysql>  insert into user1 (name,password ...

  7. elasticsearch组件

    elasticsearch组件 Elasticsearch 是一个实时的分布式搜索分析引擎,它能让你以前所未有的速度和规模,去探索你的数据. 它被用作全文检索.结构化搜索.分析以及这三个功能的组合 E ...

  8. 微信小程序授权及检测访问当前页面需要去登录的操作

    1.小程序授权登录 这里我直接复制代码: login.js const app = getApp() Page({ data: { //判断小程序的API,回调,参数,组件等是否在当前版本可用. ca ...

  9. android本地文件处理的一些经验

    选择文件后,现在一般返回 Uri contentResolver.getType(selUrl)结果如下 .txt text/plain .jpeg image/jpeg .mp4 video/mp4 ...

  10. 全国分乡镇第七次人口普查数据shp数据库省市区县街道

    全国分乡镇第七次人口普查数据shp数据库省市区县街道 ==名称:全国第七次人口普查任意十个乡镇的乡镇界地图==数据说明:精确到乡镇级别.==数据:面数据,属性列表(乡镇名.乡镇代码,第六次人口普查分乡 ...