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:
- soup.find_all("title")
- # [<title>The Dormouse's story</title>]
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.
- soup.find_all([u]id[/u]='link2')
- # [<a class="sister" href="http://example.com/lacie"[u] id[/u]="link2">Lacie</a>]
- 如果传入 href 参数,Beautiful Soup会搜索每个tag的”href”属性:
- 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 .
- 来段代码:
- [code]from bs4 import BeautifulSoup as bs
- html = '''<table border=16 width='66%' align='center'>
- <thead align='center'>
- <caption>鱼C信息</caption>
- <tr>
- <td colspan="3">鱼C信息表</td>
- </tr>
- <tr>
- <th id='th1'>姓名</th>
- <th id='th2'>年龄</th>
- <th id='th3'>颜值</th>
- </tr>
- </thead>
- <tbody align='center'>
- <tr>
- <td>不二如是:</td>
- <td>18</td>
- <td>下一位更帅~</td>
- </tr>
- <tr>
- <td>小甲鱼老湿:</td>
- <td>28</td>
- <td>下一位更帅~</td>
- </tr>
- <tr>
- <td>MSK:</td>
- <td>16</td>
- <td>第一位最帅~</td>
- </tr>
- <tr>
- <td colspan='3'>村里有个姑娘叫小花~</td>
- </tr>
- </tbody>
- </table>'''
- soup = bs(html,'html.parser')
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
- temp = soup.find_all('tr')
- temp
- #[<tr>
- <td colspan="3">鱼C信息表</td>
- </tr>, <tr>
- <th id="th1">姓名</th>
- <th id="th2">年龄</th>
- <th id="th3">颜值</th>
- </tr>, <tr>
- <td>不二如是:</td>
- <td>18</td>
- <td>下一位更帅~</td>
- </tr>, <tr>
- <td>小甲鱼老湿:</td>
- <td>28</td>
- <td>下一位更帅~</td>
- </tr>, <tr>
- <td>MSK:</td>
- <td>16</td>
- <td>第一位最帅~</td>
- </tr>, <tr>
- <td colspan="3">村里有个姑娘叫小花~</td>
- </tr>]
传入 正则表达式时re.compile('a'),将查找所有包含'a'的Tag
- soup.find_all([u]href[/u]=re.compile("elsie"))
- # [<a class="sister" [u]href[/u]="http://example.com/elsie" id="link1">Elsie</a>]
传入 列表时,将查找所有包含列表中元素的Tag
- soup.find_all(['th','td'])
- [<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>]
传入 True时,我不会解释,你自己看:
- soup.find_all(id=True)
- [<th id="th1">姓名</th>, <th id="th2">年龄</th>, <th id="th3">颜值</th>]
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
- soup.find_all(text='下一位更帅~')
- #['下一位更帅~', '下一位更帅~']
- soup.find_all(text=re.compile('帅'))
- #['下一位更帅~', '下一位更帅~', '第一位最帅~']
- soup.find_all(text=True)
- #['\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']
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