Beautifulsoup查找标签及属性值

一、 查找a标签

（1）查找所有a标签
复制代码

for x in soup.find_all(‘a’):
print(x)

Elsie
Lacie
Tillie

复制代码

（2）查找所有a标签，且属性值href中需要保护关键字“”

for x in soup.find_all(‘a’, attrs={“class” :re.compile(‘lacie’)} ):
print(x)

Lacie

（3）查找所有a标签，且字符串内容包含关键字“Elsie”

for x in soup.find_all(‘a’,string = re.compile(‘Elsie’)):
print(x)

Elsie

（4）查找body标签的所有子标签，并循环打印输出
复制代码

for x in soup.find(‘body’).children:
if isinstance(x,bs4.element.Tag): #使用isinstance过滤掉空行内容
print(x)

The Dormouse's story

Once upon a time there were three little sisters; and their names were Elsie, Lacie and Tillie; and they lived at the bottom of a well.

复制代码

二、信息提取（链接提取）

（1）解析信息标签结构，查找所有a标签，并提取每个a标签中href属性的值（即链接），然后存在空列表；
复制代码

linklist = []
for x in soup.find_all(‘a’):
link = x.get(‘href’)
if link:
linklist.append(link)

for x in linklist: #验证：环打印出linklist列表中的链接
print(x)

http://example.com/elsie
http://example.com/lacie
http://example.com/tillie

复制代码

小结：链接提取 <—> 属性内容提取 <—> x.get(‘href’)

（2）解析信息标签结构，查找所有a标签，且每个a标签中href中包含关键字“elsie”,然后存入空列表中；
复制代码

linklst = []
for x in soup.find_all(‘a’, attrs={“class” :re.compile(‘lacie’)}):
link = x.get(‘href’)
if link:
linklst.append(link)

for x in linklst: #验证：循环打印出linklist列表中的链接
print(x)

http://example.com/elsie

复制代码

小结：在进行a标签查找时，加入了对属性值href内容的正则匹配内容 <—> href = re.compile(‘elsie’)

（3）解析信息标签结构，查询所有a标签，然后输出所有标签中的“字符串”内容；
复制代码

for x in soup.find_all(‘a’):
string = x.get_text()
print(string)

Elsie
Lacie
Tillie