BeautifulSoup对象实例化以及使用

bs4进行数据解析

bs4数据解析的原理:

1.实例化一个Beautifulsoup对象，并将页面源码数据加载到该对象中
2.通过调用BeautifulSoup对象中相关的属性或者方法进行标签定位和数据提取

如何实例化BeautifulSoup对象：

from bs4 import BeautifulSoup
对象的实例化：
1.将本地HTML文档中的数据加载到该对象中

 # 将本地html文档中的数据加载到对象中
    fp = open('./test.html','r',encoding='utf-8')
    soup = BeautifulSoup(fp,'lxml')
    print(soup)

2.将互联网上获取的页面源码加载到该对象当中(伪代码)

page_text = response.text
soup = BeautifulSoup(page_text,'lxml')

具体使用

1.soup.tagName和soup.find()

print(soup.a)  # soup.tagName 返回的是html中第一次出现的tagName
soup.find('div') # soup.find()等价于soup.div

2.属性定位

soup.find('div',class_='song') # 返回class=song对应的div
# 除去使用class还可以使用id等来定位

3.soup.find_all()：返回所有符合要求的标签

soup.find_all('a')  # 返回源码对应的所有a标签

4.select:
select(‘某种选择器(id,class,标签…选择器)’),返回的是一个列表
层级选择器：

soup.select('.tang > ul > li > a')[0]  #层级选择器 '>'表示的是一个层级 返回一个列表 [0]表示选出列表第一个元素
soup.select('.tang > ul a')[0]  # 在ul与a层级之间间隔一个li标签，这是使用空格则表示多个层级

5.获取标签之间的文本数据

soup.a.text/string/get_text()
# text/get_text():可以获取某一标签中所有的标签内容,即使该文本内容不属于该标签直系内容
# string只可以获取该标签下面直系的文本内容

6.获取标签中的属性值

soup.a['href']  # 直接获取a标签的属性值