BeautifulSoup库(基于内容查找)

最新推荐文章于 2024-08-12 23:17:41 发布

the_power

最新推荐文章于 2024-08-12 23:17:41 发布

阅读量3.7k

点赞数 1

分类专栏： python 文章标签： python BeautifulSoup find()

本文链接：https://blog.csdn.net/the_power/article/details/86650142

版权

本文介绍了如何使用BeautifulSoup库进行内容查找，包括通过标签、文本、正则表达式、属性以及自定义函数进行查找，并详细讲解了find()和find_all()函数的使用，以及如何查找标签间的父子、同胞及相邻关系。

摘要由CSDN通过智能技术生成

BeautifulSoup库(基于内容查找部分)

#导入库
from bs4 import BeautifulSoup

1.打开一个文件并初始化soup(练习准备)

with open('test.html','r',encoding='utf-8') as test:
    soup = BeautifulSoup(test)

注意:如果读文件报错， UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x80 in position 34: illegal mu…有两种可能
(1) 编码设置
在第一行加上
coding:utf-8
(2) 后面处理数据时没有转码
with open("data.txt",'r',encoding='UTF-8') as data:

2. find()和find_all()

find(name,attrs,recursive,text,**wargs)

这些参数相当于过滤器一样可以进行筛选处理。不同的参数过滤可以应用到以下情况

基于name参数，查找标签
基于text参数，查找文本
recursive递归的，循环的(即是否对子孙全部检索，默认True)
基于正则表达式的查找
基于attrs参数，查找标签的属性
基于函数的查找

通过标签查找

可以传递任何标签名的名字来查找它第一次出现的地方，找到后，find函数返回一个BeautifulSoup的对象

# 查找最顶层的标签
soup.find('html')

<html>
<head>
<title>一个金字塔</title>
<meta charset="utf-8"/>
</head>
<body>
<a href="#">这是一个链接</a>
<p>这是一些段落</p>
<p>第二个段落</p>
<p>第三个段落</p>
</body>
</html>