总结评论:选择查找多个实例并返回一个列表,查找查找第一个实例,因此它们不会执行相同的操作。选择一个将等同于查找。
我几乎总是在链接标记或使用tag.classname时使用css选择器,如果查找没有使用find类的单个元素。从本质上讲,这取决于用例和个人偏好。
就灵活性而言,我认为您知道答案,soup.select("div[id=foo] > div > div > div[class=fee] > span > span > a")使用多个链式的find/find-all调用看起来很难看。
bs4中css选择器的唯一问题是支持非常有限,nth类型的是唯一实现的伪类,并且不支持链接属性,如a[hrf][src],css选择器的许多其他部分也是如此。但是像a[hrf=..]*,a[hrf^=],a[hrf$=]等等。。我是否认为比find("a", href=re.compile(....))好得多,但这也是个人偏好。
为了提高性能,我们可以运行一些测试,我修改了在800多个html文件上运行的answer here的代码,这些文件来自here,并不详尽,但应该提供一些选项的可读性和性能的线索:
修改后的函数为:from bs4 import BeautifulSoup
from glob import iglob
def parse_find(soup):
author = soup.find("h4", class_="h12 talk-link__speaker").text
title = soup.find("h4", class_="h9 m5").text
date = soup.find("span", class_="meta__val").text.strip()
soup.find("footer",class_="footer").find_previous("data", {
"class": "talk-transcript__para__time"}).text.split(":")
soup.find_all("span",class_="talk-transcript__fragment")
def parse_select(soup):
author = soup.select_one("h4.h12.talk-link__speaker").text
title = soup.select_one("h4.h9.m5").text
date = soup.select_one("span.meta__val").text.strip()
soup.select_one("footer.footer").find_previous("data", {
"class": "talk-transcript__para__time"}).text
soup.select("span.talk-transcript__fragment")
def test(patt, func):
for html in iglob(patt):
with open(html) as f:
func(BeautifulSoup(f, "lxml")
现在开始计时:In [7]: from testing import test, parse_find, parse_select
In [8]: timeit test("./talks/*.html",parse_find)
1 loops, best of 3: 51.9 s per loop
In [9]: timeit test("./talks/*.html",parse_select)
1 loops, best of 3: 32.7 s per loop
就像我所说的不详尽,但我想我们可以放心地说css选择器确实更有效。