python is beautiful_python-beautifulsoup菜鸟教程

findtable = mysoup.find('table', attrs={'class': 'GridTableContent'})tbody = table.find('tbody')

find_all 和 find 用法类似

trList = tbody.find_all('tr')

六、搜索文档树

6.1、find_all(name, attrs, recursive, text, **kwargs)

在上面的栗子中我们简单介绍了find_all的使用，接下来介绍一下find_all的更多用法-过滤器。这些过滤器贯穿整个搜索API，过滤器可以被用在tag的name中，节点的属性等。

（1）name参数：

字符串过滤：会查找与字符串完全匹配的内容a_list = bs.find_all("a")

print(a_list)

正则表达式过滤：如果传入的是正则表达式，那么BeautifulSoup4会通过search()来匹配内容from bs4 import BeautifulSoup

import re

file = open('./aa.html', 'rb')

html = file.read()

bs = BeautifulSoup(html,"html.parser")

t_list = bs.find_all(re.compile("a"))

for item in t_list:

print(item)

列表：如果传入一个列表，BeautifulSoup4将会与列表中的任一元素匹配到的节点返回t_list = bs.find_all(["meta","link"])

for item in t_list:

print(item)

方法：传入一个方法，根据方法来匹配

from bs4 import BeautifulSoup

file = open('./aa.html', 'rb')

html = file.read()

bs = BeautifulSoup(html,"html.parser")

def name_is_exists(tag):

return tag.has_attr("name")

t_list = bs.find_all(name_is_exists)

for item in t_list:

print(item)

（2）kwargs参数：from bs4 import BeautifulSoup

import re

file = open('./aa.html', 'rb')

html = file.read()

bs = BeautifulSoup(html,"html.parser")

# 查询id=head的Tag

t_list = bs.find_all(id="head") print(t_list)

# 查询href属性包含ss1.bdstatic.com的Tag

t_list = bs.find_all(href=re.compile("http://news.baidu.com"))

print(t_list)

# 查询所有包含class的Tag(注意：class在Python中属于关键字，所以加_以示区别)

t_list = bs.find_all(class_=True)

for item in t_list:

print(item)

（3）attrs参数：

并不是所有的属性都可以使用上面这种方式进行搜索，比如HTML的data-*属性：t_list = bs.find_all(data-foo="value")

如果执行这段代码，将会报错。我们可以使用attrs参数，定义一个字典来搜索包含特殊属性的tag：t_list = bs.find_all(attrs={"data-foo":"value"})

for item in t_list:

print(item)

（4）text参数：

通过text参数可以搜索文档中的字符串内容，与name参数的可选值一样，text参数接受 字符串，正则表达式，列表from bs4 import BeautifulSoup

import re

file = open('./aa.html', 'rb')

html = file.read()

bs = BeautifulSoup(html, "html.parser")

t_list = bs.find_all(attrs={"data-foo": "value"})

for item in t_list:

print(item)

t_list = bs.find_all(text="hao123")

for item in t_list:

print(item)

t_list = bs.find_all(text=["hao123", "地图", "贴吧"])

for item in t_list:

print(item)

t_list = bs.find_all(text=re.compile("\d"))

for item in t_list:

print(item)

当我们搜索text中的一些特殊属性时，同样也可以传入一个方法来达到我们的目的：def length_is_two(text):

return text and len(text) == 2

t_list = bs.find_all(text=length_is_two)

for item in t_list:

print(item)

（5）limit参数：

可以传入一个limit参数来限制返回的数量，当搜索出的数据量为5，而设置了limit=2时，此时只会返回前2个数据from bs4 import BeautifulSoup

import re

file = open('./aa.html', 'rb')

html = file.read()

bs = BeautifulSoup(html, "html.parser")

t_list = bs.find_all("a",limit=2)

for item in t_list:

print(item)

find_all除了上面一些常规的写法，还可以对其进行一些简写：# 两者是相等的

# t_list = bs.find_all("a") => t_list = bs("a")

t_list = bs("a") # 两者是相等的

# t_list = bs.a.find_all(text="新闻") => t_list = bs.a(text="新闻")

t_list = bs.a(text="新闻")

6.2、find()

find()将返回符合条件的第一个Tag，有时我们只需要或一个Tag时，我们就可以用到find()方法了。当然了，也可以使用find_all()方法，传入一个limit=1，然后再取出第一个值也是可以的，不过未免繁琐。from bs4 import BeautifulSoup

import re

file = open('./aa.html', 'rb')

html = file.read()

bs = BeautifulSoup(html, "html.parser")

# 返回只有一个结果的列表

t_list = bs.find_all("title",limit=1)

print(t_list)

# 返回唯一值

t = bs.find("title")

print(t)

# 如果没有找到，则返回None

t = bs.find("abc") print(t)

从结果可以看出find_all，尽管传入了limit=1，但是返回值仍然为一个列表，当我们只需要取一个值时，远不如find方法方便。但

是如果未搜索到值时，将返回一个None

在上面介绍BeautifulSoup4的时候，我们知道可以通过bs.div来获取第一个div标签，如果我们需要获取第一个div下的第一个div，

我们可以这样：t = bs.div.div

# 等价于

t = bs.find("div").find("div")