beautifulsoup去除标签_爬虫基础篇-BeautifulSoup解析

秦哈哈哈

于 2020-12-29 10:04:04 发布

阅读量1.5k

点赞数

文章标签： beautifulsoup去除标签

本文链接：https://blog.csdn.net/weixin_34310726/article/details/112126617

版权

本文介绍了BeautifulSoup4的安装、主要功能，重点讲解了其用于解析HTML和XML文件的结构方法以及查找元素的技巧，包括find和find_all方法的使用，如何通过标签属性、正则表达式进行查找，并给出了查找特定a标签内容的实例。

摘要由CSDN通过智能技术生成

安装：Installing Beautiful Soup4

功能：BeautifulSoup用于从HTML和XML文件中提取数据

用法：

1.结构

yourhtml = '<b class="boldest">Extremely bold</b>'

# 将html文档转换成树形结构对象，包含tag(原html标签，有name和attribute属性) NavigableString（包装tag中的字符串，通过string获得字符串） BeautifulSoup（表示一个文档的全部内容）
soup = BeautifulSoup(yourhtml, parse_method)    
# 获取tag名称
soup.tag.name    
# 还可改变soup对象的tag名称b 
tag.name = "blockquote"   # 变为<blockquote class="boldest">Extremely bold</blockquote>
# 获取tag的属性
soup.tag.attrs    # {u'class': u'boldest'}
# 取得标签下的属性class对应的值（类似字典取值）
soup.tag["class"]  # u'boldest'
# 如果yourhtml有多值属性，比如'<p class="body strikeout"></p>',class对应的属性为["body", "strikeout"