day03 解析库之搜索文档树

最新推荐文章于 2024-08-23 16:53:34 发布

banzhuojiang7392

最新推荐文章于 2024-08-23 16:53:34 发布

阅读量144

点赞数

文章标签： python

原文链接：http://www.cnblogs.com/zzf0601/p/11127923.html

版权

''''''
'''
find: 找第一个
find_all: 找所有

标签查找与属性查找:
name 属性匹配

    name 标签名
    attrs 属性查找匹配
    text 文本匹配

    标签:
        - 字符串过滤器   
            字符串全局匹配

        - 正则过滤器
            re模块匹配

        - 列表过滤器
            列表内的数据匹配

        - bool过滤器
            True匹配

        - 方法过滤器
            用于一些要的属性以及不需要的属性查找。
    属性:
        - class_
        - id
'''
html_doc = """
<html><head><title>The Dormouse's story</title></head><body><p class="sister"><b>$37</b></p><p class="story" id="p">Once upon a time there were three little sisters; and their names were<a href="http://example.com/elsie" class="sister" >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>
"""
from bs4 import BeautifulSoup

soup = BeautifulSoup(html_doc, 'lxml')

# name 标签名
# attrs 属性查找匹配
# text 文本匹配
# find与find_all搜索文档

'''

字符串过滤器
'''
p = soup.find(name='p')
p_s = soup.find_all(name='p')

print(p)
print(p_s)

# name + attrs
p = soup.find(name='p', attrs={"id": "p"})
print(p)

# name + text
tag = soup.find(name='title', text="The Dormouse's story")
print(tag)

# name + attrs + text
tag = soup.find(name='a', attrs={"class": "sister"}, text="Elsie")
print(tag)

'''
- 正则过滤器
re模块匹配
'''
import re

# name
# 根据re模块匹配带有a的节点
a = soup.find(name=re.compile('a'))
print(a)

a_s = soup.find_all(name=re.compile('a'))
print(a_s)

# attrs
a = soup.find(attrs={"id": re.compile('link')})
print(a)

# - 列表过滤器
# 列表内的数据匹配
print(soup.find(name=['a', 'p', 'html', re.compile('a')]))
print(soup.find_all(name=['a', 'p', 'html', re.compile('a')]))

# - bool过滤器
# True匹配
print(soup.find(name=True, attrs={"id": True}))


# - 方法过滤器
# 用于一些要的属性以及不需要的属性查找。

def have_id_not_class(tag):
    # print(tag.name)
    if tag.name == 'p' and tag.has_attr("id") and not tag.has_attr("class"):
        return tag


# print(soup.find_all(name=函数对象))
print(soup.find_all(name=have_id_not_class))

# 补充知识点:
# id
a = soup.find(id='link2')
print(a)

# class
p = soup.find(class_='sister')
print(p)

转载于:https://www.cnblogs.com/zzf0601/p/11127923.html

banzhuojiang7392

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
day03 解析库之搜索文档树

'''''''''find: 找第一个find_all: 找所有标签查找与属性查找:name 属性匹配 name 标签名 attrs 属性查找匹配 text 文本匹配标签: - 字符串过滤器字符串全局匹配 - 正则过滤器 ...
复制链接

扫一扫