1、初始化BeautifulSoup对象
url = 'https://hr.163.com/position/list.do?workPlaceStr=1¤tPage=1'
resp = requests.get(url, headers=HEADERS)
html = resp.text
soup = BeautifulSoup(html, 'lxml')
在初始化BeautifulSoup对象时,我们需要指定一个引擎:lxml
2、find_all的使用
1.在提取标签的时候,第一个参数是标签的名字。然后如果在提取标签的时候想要使用标签属性进行过滤,那么可以在这个方法中通过关键字参数的形式,将属性的名字以及对应的值传进去。或者使用‘attrs’属性,将所有的属性以及对应的值放在一个字典中传给‘attrs’属性
2.有些时候,在提取标签的时候,不需要提取那么多,就可以使用‘limit’参数,限制提取的个数
a_s = soup.find_all('a', limit=3)
3、find与find_all的区别
1.find:找到第一个满足条件的标签就返回
2.find_all:将所有满足条件的标签返回,返回的为列表
4、使用find和find_all的过滤条件
1 关键字参数:将属性名字作为关键字参数的名字,以及属性的值作为关键字参数的值进行过滤
2 attrs参数:将属性条件放到一个字典中,传给attrs参数
print(soup.find(title='社会招聘'))
5、获取标签的属性
1.通过下标获取:通过标签的下标方式
print(soup.find(title='社会招聘'))
返回值:<a class="logo" href="/" title="社会招聘">社会招聘</a>
2.通过attrs属性获取:
print(soup.find(title='社会招聘').attrs['title'])
strings和stripped_strings、string属性以及get_text方法
1、string: 获取某个标签下的非标签字符。返回的是个字符串。需要注意的是:如果在某个标签下存在多行字符串可,就获取不到类。
2、strings: 获取某个标签下的子孙非标签字符串。返回的是个生成器
3、stripped_strings:获取某个标签下的子孙非标签字符串,会去掉空白字符。返回的是个生成器。
4、get_text:获取某个标签下的子孙非标签字符串。不是以列表的形式返回。
css常用选择器
1.根据标签的名字选择,
p{
background-color: pink;
}
2.根据类名选择,那么要在前边加一个点
.line{
background-color: pink;
}
3.根据id名字选择,那么要在id前加一个#
#box{
background-color: pink;
}
4.查找子孙元素。那么要在子孙元素中间有个空格。
#box p{
background-color: pink;
}
5.查找直接子元素,那么要在父子元素之间有个>
#box > p{
background-color: pink;
}
6.根据属性的名字进行查找,那么应该先写标签名字,然后再在括号中写属性的值
input[name='username']{
background-color: pink;
}
7.根据类名或者id进行查找的时候,如果还需要根据标签名进行过滤。那么可以在类的前面或者id的前面加上标签的名字
div#line{
background-color: pink;
}
常见的四种对象
1、Tag: BeautifulSoup中所有的标签都是Tag类型,并且BeautifulSoup的对象其实本质上也是一个Tag类型。所以其实一些方法比如find、find_all并不是BeautifulSoup的,而是Tag的
2、NavigableString:继承自Python中的str,用起来就跟使用python的str是一样的。
3、BeautifulSoup:继承自Tag。用于生成BeautifululSoup树的,对于一些查找方法,比如find,find_all这些,其实还是Tag的
4、Comment:继承自NavigableString
contents 和 children
返回某个标签下的直接子元素,其中也包括字符串。他们的区别:
Contents:返回的是一个列表
Children:返回的是一个迭代器