爬虫笔记-beautifulsoup4基本使用

最新推荐文章于 2022-04-22 13:56:41 发布

少你三行代码

最新推荐文章于 2022-04-22 13:56:41 发布

阅读量230

点赞数

分类专栏：笔记文章标签：爬虫 elementui webview

本文链接：https://blog.csdn.net/qq_54152856/article/details/123142585

版权

笔记专栏收录该内容

19 篇文章 0 订阅

订阅专栏

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)

少你三行代码

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
打赏
0
评论
爬虫笔记-beautifulsoup4基本使用

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>
复制链接

扫一扫