BeautifulSoup

最新推荐文章于 2023-06-28 23:24:03 发布

羊羊羊羊吃青草

最新推荐文章于 2023-06-28 23:24:03 发布

阅读量201

点赞数

分类专栏：爬虫 python 文章标签： python 爬虫 BeautifulSoup

本文链接：https://blog.csdn.net/qq_18874531/article/details/93539192

版权

python 同时被 2 个专栏收录

20 篇文章 0 订阅

订阅专栏

爬虫

2 篇文章 0 订阅

订阅专栏

转自本人旧博客

title: BeautifulSoup
date: 2017-08-17 21:00:53
tags: python
categories: 爬虫

安装和使用

安装

pip install beautifulsoup4

使用

导入

from bs4 import beautifulsoup

创建一个字符串

		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/tillie" class="sister" id="link3">Tillie</a>;
			and they lived at the bottom of a well.
		</p>
		<p class="story">...</p>
		"""

创建beautifulsoup对象

soup = BeautifulSoup(html)
也可以用本地HTML文件来创建对象

soup = BeautifulSoup(open(‘index.html’))
格式化输出,打印出soup对象的内容

print soup.prettify()

四大对象种类

1. Tag

是HTML中的一个个标签：title、 a等等HTML标签加上里面包括的内容

验证下这些对象的类型

  >>> print type(soup.a)
  <class 'bs4.element.Tag'>

属性

name

>>> print soup.name
[document]
>>> print soup.head.name
head

suop对象本身比较特殊，它的 name 即为 [document]，对于其他内部标签，输出的值便为标签本身的名称。

attrs

把 p 的所有属性打印出来

  >>> print soup.p.attrs
  {'class': ['title'], 'name': 'dromouse'}

单独获取某个属性

  >>> print soup.p['class']
  ['title']

还可以用get方法

  >>> print soup.p.get('class')
  ['title']

可以对这些属性和内容等等进行修改

  >>> soup.p['class']="newClass"
  >>> print soup.p
  <p class="newClass" name="dromouse"><b>The Dormouse's story</b></p>

对这个属性进行删除

  >>> del soup.p['class']
  >>> print soup.p
  <p name="dromouse"><b>The Dormouse's story</b></p>

2. NavigableString

获取标签内部的文字

>>> print soup.p.string
The Dormouse's story

类型

print type(soup.p.string)
<class 'bs4.element.NavigableString'>

3 BeautifulSoup

BeautifulSoup 对象表示的是一个文档的全部内容

大部分时候,可以把它当作 Tag 对象，是一个特殊的 Tag

  >>> print type(soup.name)
  <type 'unicode'>
  >>> print soup.name 
  [document]
  >>> print soup.attrs 
  {} 		// 空字典

4 comment

是一个特殊类型的 NavigableString 对象

其实输出的内容仍不包括注释符号

  >>> print soup.a
  <a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>
  >>> print soup.a.string
  Elsie 
  >>> print type(soup.a.string)
  <class 'bs4.element.Comment'>

a 里的内容实际上是注释，利用 .string 来输出它的内容，已经把注释符号去掉了( 所以这可能会给我们带来不必要的麻烦 )

在使用前最好做一下判断

  >>> if type(soup.a.string)==bs4.element.Comment:
  ... 	print soup.a.string

遍历文档树

待续先，累了==

摘自： http://python.jobbole.com/81349/

羊羊羊羊吃青草

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
BeautifulSoup

转自本人旧博客title: BeautifulSoupdate: 2017-08-17 21:00:53tags: pythoncategories: 爬虫安装和使用安装pip install beautifulsoup4使用导入from bs4 import beautifulsoup创建一个字符串 html = """ <html>...
复制链接

扫一扫

专栏目录