CSS 选择器：BeautifulSoup4
安装：pip install beautifulsoup4
官方文档：http://beautifulsoup.readthedocs.io/zh_CN/v4.4.0
BeautifulSoup 用来解析 HTML 比较简单，API非常人性化，支持CSS选择器、
Python标准库中的HTML解析器，也支持 lxml 的 XML解析器。
使用首先必须要导入 bs4 库
解析器
from bs4 import BeautifulSoup
from bs4 import BeautifulSoup
html = """
<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 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>
"""
#创建 Beautiful Soup 对象
soup = BeautifulSoup(html,'lxml')
#打开本地 HTML 文件的方式来创建对象
#soup = BeautifulSoup(open('index.html'))
#格式化输出 soup 对象的内容
print(soup.prettify())
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:
《1》Tag：Tag 通俗点讲就是 HTML 中的一个个标签
《2》NavigableString：字符串常被包含在tag内.Beautiful Soup用NavigableString类来包装tag中的字符串:通过string来获得。
《3》BeautifulSoup：BeautifulSoup 对象表示的是一个文档的内容。大部分时候,可以把它当作 Tag 对象，
是一个特殊的 Tag，我们可以分别获取它的类型，名称，以及属性
《4》Comment：Comment 对象是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。
选择器
这就是另一种与 find_all 方法有异曲同工之妙的查找方法.写 CSS 时，标签名不加任何修饰，类名前加.，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
1）通过标签名查找
soup.select('title')
soup.select('b')
2）通过类名查找
print soup.select('.sister')
3）通过 id 名查找
print soup.select('#link1')
4）组合查找
print soup.select('p #link1')
5）属性查找
print(soup.select('a[class="sister"]'))
soup.select('a[href="http://example.com/elsie"]')
- 获取内容
soup = BeautifulSoup(html, 'lxml')
print (type(soup.select('title')))
print (soup.select('title')[0].get_text())
for title in soup.select('title'):
print (title.get_text())
print (title.attrs['class'])
342
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
