[学习笔记] python爬虫进阶BeautifulSoup 超详细的find_all()和find

原文：http://bbs.fishc.com/thread-90638-1-1.html

超详细的find_all()和find

推荐阅读： BeautifulSoup节点


在之前的帖子里我们已经使用过了find_all，不过对于find_all，有的东西还得说明一下


这就是find_all和find，别急，我们慢慢来，熟练掌握find_all和find,对你写爬虫将大有帮助！

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

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

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.

简单的用法如下:

1. soup.find_all("title")
   
2. # [<title>The Dormouse's story</title>]

复制代码

keyword 参数
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.

1. 
   
2. soup.find_all([u]id[/u]='link2')
   
3. # [<a class="sister" href="http://example.com/lacie"[u] id[/u]="link2">Lacie</a>]
   
4. 如果传入 href 参数,Beautiful Soup会搜索每个tag的”href”属性:
   
5. 
   
6. 搜索指定名字的属性时可以使用的参数值包括 字符串 , 正则表达式 , 列表, True .
   
7. 
   
8. 来段代码：
   
9. [code]from bs4 import BeautifulSoup as bs
   
10. html = '''<table border=16 width='66%' align='center'>
    
11.                 <thead align='center'>
    
12.                         <caption>鱼C信息</caption>
    
13.                         <tr>
    
14.                                 <td colspan="3">鱼C信息表</td>
    
15.                         </tr>
    
16.                         <tr>
    
17.                                 <th id='th1'>姓名</th>
    
18.                                 <th id='th2'>年龄</th>
    
19.                                 <th id='th3'>颜值</th>
    
20.                         </tr>
    
21.                 </thead>
    
22.                 <tbody align='center'>
    
23.                         <tr>
    
24.                                 <td>不二如是：</td>
    
25.                                 <td>18</td>
    
26.                                 <td>下一位更帅~</td>
    
27.                         </tr>
    
28.                         <tr>
    
29.                                 <td>小甲鱼老湿：</td>
    
30.                                 <td>28</td>
    
31.                                 <td>下一位更帅~</td>
    
32.                         </tr>
    
33.                         <tr>
    
34.                                 <td>MSK：</td>
    
35.                                 <td>16</td>
    
36.                                 <td>第一位最帅~</td>
    
37.                         </tr>
    
38.                         <tr>
    
39.                                 <td colspan='3'>村里有个姑娘叫小花~</td>
    
40.                         </tr>
    
41.                 </tbody>       
    
42.         </table>'''
    
43. soup = bs(html,'html.parser')

复制代码

ps:在这段代码中，只有<th>标签拥有id

当name传入 字符串(a)时，将会查找所有name属性为a的Tag

1. temp = soup.find_all('tr')
   
2. temp
   
3. #[<tr>
   
4. <td colspan="3">鱼C信息表</td>
   
5. </tr>, <tr>
   
6. <th id="th1">姓名</th>
   
7. <th id="th2">年龄</th>
   
8. <th id="th3">颜值</th>
   
9. </tr>, <tr>
   
10. <td>不二如是：</td>
    
11. <td>18</td>
    
12. <td>下一位更帅~</td>
    
13. </tr>, <tr>
    
14. <td>小甲鱼老湿：</td>
    
15. <td>28</td>
    
16. <td>下一位更帅~</td>
    
17. </tr>, <tr>
    
18. <td>MSK：</td>
    
19. <td>16</td>
    
20. <td>第一位最帅~</td>
    
21. </tr>, <tr>
    
22. <td colspan="3">村里有个姑娘叫小花~</td>
    
23. </tr>]

复制代码

传入 正则表达式时re.compile('a')，将查找所有包含'a'的Tag

1. soup.find_all([u]href[/u]=re.compile("elsie"))
   
2. # [<a class="sister" [u]href[/u]="http://example.com/elsie" id="link1">Elsie</a>]

复制代码

传入 列表时，将查找所有包含列表中元素的Tag

1. soup.find_all(['th','td'])
   
2. [<td colspan="3">鱼C信息表</td>, <th id="th1">姓名</th>, <th id="th2">年龄</th>, <th id="th3">颜值</th>, <td>不二如是：</td>, <td>18</td>, <td>下一位更帅~</td>, <td>小甲鱼老湿：</td>, <td>28</td>, <td>下一位更帅~</td>, <td>MSK：</td>, <td>16</td>, <td>第一位最帅~</td>, <td colspan="3">村里有个姑娘叫小花~</td>]

复制代码

传入 True时，我不会解释，你自己看：

1. soup.find_all(id=True)
   
2. [<th id="th1">姓名</th>, <th id="th2">年龄</th>, <th id="th3">颜值</th>]

复制代码

将所有具有id属性的Tag查找了出来


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

1. soup.find_all(text='下一位更帅~')
   
2. #['下一位更帅~', '下一位更帅~']
   
3. soup.find_all(text=re.compile('帅'))
   
4. #['下一位更帅~', '下一位更帅~', '第一位最帅~']
   
5. soup.find_all(text=True)
   
6. #['\n', '\n', '鱼C信息', '\n', '\n', '鱼C信息表', '\n', '\n', '\n', '姓名', '\n', '年龄', '\n', '颜值', '\n', '\n', '\n', '\n', '\n', '不二如是：', '\n', '18', '\n', '下一位更帅~', '\n', '\n', '\n', '小甲鱼老湿：', '\n', '28', '\n', '下一位更帅~', '\n', '\n', '\n', 'MSK：', '\n', '16', '\n', '第一位最帅~', '\n', '\n', '\n', '村里有个姑娘叫小花~', '\n', '\n', '\n']

复制代码

limit 参数
限制返回个数

recursive 参数
指定为True时，搜索范围是子孙节点，如果设为False，只搜索子节点

find的参数和用法和find_all一样，但是最多只返回一个结果