浅谈Python中的bs4基础

安装

在命令提示符框中直接输入pip install beautifulsoup4

介绍

beautifulsoup是python的一个第三方库，和xpath一样，都是用来解析html数据的。

引入

from bs4 import BeautifulSoup

使用

将一段文档传入BeautifulSoup的构造方法，就能得到一个文档的对象。

bs = BeautifulSoup(open('index.html',encoding='utf-8'),'lxml')
print(bs)

注意：这样上传文档的话，BeautifulSoup里面需要两个参数。一个为open方法，一个是固定写法，也就是解析器。

open方法里面也同样需要两个参数，一个是想要解析的数据，另一个为设置编码的格式。

（1）获取网页中的title标签

print(bs.title)

（2）获取head标签及标签内部的所有其他标签

print(bs.head)

（3）获取当中的第一个a标签

print(bs.a)

注意：获取文档当中所有的xx当中第一个xx或者第一个xx里面的内容。都可以用bs.xx来获取

（4）获取指定标签的所有属性
print(bs.a.attrs)

（5）获取标签的属性

print(bs.a['href'])

（6）获取标签的文本内容。

print(bs.a.string)

注意：string获取的文本指的是本标签的文本，不包含子标签的文本

（7）contents能够获取指定标签下面的所有内容。

print(bs.body.contents)

（8）获取所有内容当中指定索引的内容

print(bs.div.contents[3])

（9）通过id和类名来找标签

print(bs.find(id='kw'))

print(bs.find(class_='shopping'))

注意：id是唯一的，通过id来找，只能找到一个，所以用find，而class不是唯一的，通过class来找，就有可能找到多个。

 

（10）select选择指定的标签

print(bs.select('title'))

print(bs.select('a'))

在bs4中，小数点“.”表示类名，#表示id

print(bs.select('.first'))

print(bs.select('#kw'))

print(bs.select('div.now'))

from bs4 import BeautifulSoup
content = '<a href="提示我这个链接地址">sflkj</a>'
result = BeautifulSoup(content,'lxml').find('a').attrs['href']
print(result)

本文介绍了bs4的一些基本常识，希望对各位有用。