bs4 全名 BeautifulSoup,是编写 python 爬虫、解析网页的常用库之一。
一、安装
pip install bs4
二、find_all()
1、初始化,创建BeautifulSoup实例
from bs4 import BeautifulSoup
html_str = """
<body>
<div class="asd">
<li><div></div></li>
<li class="a"> <a href="javascript:history.back(-1);"><span>回到上一页</span></a></li>
<li class="b"><div id="kk">asd</div></li>
<li class="c"><a href="https://blog.csdn.net/kylinxjd/article/details/95978485">爬取百度贴吧</a></li>
<li class="d"><div>fgh</div></li>
</div>
</body>
"""
soup = BeautifulSoup(html_str, 'html.parser')
# 将html格式化输出
soup.prettify()
2、查找指定标签
obj = soup.find_all(name='li')
print(obj)
for i in obj:
print(i)
Name是标签名称,可以是
1)、字符串
2)、列表,用于查找多个标签,例:
查找head标签和title标签
3)、正则表达式
3、按类名查找
obj = soup.find_all(class_='a')
print(obj)
for i in obj:
print(i)
因为class是关键字,所以要加下划线
三、select()
与find_all相似,实际使用比较多
获取元素
obj1 = soup.select('.a')
obj2 = soup.select('#bn')
obj3 = soup.select('.asd a')
obj4 = soup.select('a')
print(obj1)
print(obj2)
print(obj3)
print(obj4)
获取属性值及内容
for i in obj4:
print(i.attrs['href'])
print(i.get_text())