下面是bs4的演示html文件
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<title>Title</title>
</head>
<body>
<div>
<ul>
<li id="l1">张三</li>
<li id="l2">李四</li>
<li>王五</li>
<a href="" id="" class="a1">尚硅谷</a>
<span>嘿嘿嘿</span>
</ul>
</div>
<a href="" title="a2">百度</a>
<div id="d1">
<span>
哈哈哈
</span>
</div>
<p id="p1" class="p1">呵呵呵</p>
</body>
</html>
下面是bs4的基本使用:
from bs4 import BeautifulSoup
# 默认解析本地文件 来将bs4的基础语法进行讲解
# 默认打开的文件的编码格式是gbk 所以在文件打开时需要指定编码
soup = BeautifulSoup(open('23_解析_bs4的基本使用.html',encoding='utf-8'),'lxml')
# bs4的一些函数
# 1、find
# 返回的时第一个符合条件的数据
print(soup.find('a'))
# 根据title的值来找到对应的标签对象
print(soup.find('a',title='a2'))
# 根据class的值来找到对应的标签对象 注意的是class需要添加下划线
print(soup.find('a',class_='a1'))
# 2、find_all 返回的是一个列表 并且返回了所有的a标签
print(soup.find_all('a'))
# 如果想获取多个标签的数据 那么需要在find_all的参数中添加的是列表的数据
print(soup.find_all(['a','span']))
# limit的作用是查找前几个数据
print(soup.find_all('li',limit=2))
# 3、select(推荐)
# select方法返回的时一个列表 并且会返回多个数据
print(soup.select('a'))
# 可以通过代表class 我们把这种操作错叫做类选择器
print(soup.select('.a1'))
print(soup.select('#l1'))
# 属性选择器 -- 通过属性来寻找对应的标签
# 查找到li标签中的id的标签
print(soup.select('li[id]'))
# 查找到li标签中id为l2的标签
print(soup.select('li[id="l2"]'))
# 层级选择器
# 后代选择器
# 找到的是div下面的li
print(soup.select('div li'))
# 子代选择器
# 某标签的第一级子标签
# 注意:很多的计算机编程语言中 如果不加空格不会输出内容 但是在bs4中 不会保存 会显示内容
print(soup.select('div > ul > li'))
# 找到a标签的li标签的所有对象
print(soup.select('a,li'))
# 节点信息
obj = soup.select('#p1')[0]
# name是标签的名字
print(obj.name)
# 将属性值左右一个字典返回
print(obj.attrs)