1. BeautifulSoup 简介
BeautifulSoup 是一个用于从 HTML 和 XML 文档中提取数据的 Python 库，易于使用且功能强大，特别适合网页抓取。
2. 基本用法
2.1 导入库并解析 HTML
首先，需要导入 BeautifulSoup，并用它解析 HTML 字符串：
from bs4 import BeautifulSoup
html = """<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time...</p>
</body></html>"""
soup = BeautifulSoup(html, 'lxml')
2.2 获取元素
- 获取标题：
print(type(soup.title)) # 输出元素类型
print(soup.title.string) # 输出标题内容
- 获取头部内容：
print(soup.head) # 输出 <head> 标签
- 获取第一个 < p > 标签：
print(soup.p) # 只返回第一个 <p> 标签
- 获取标题名称：
print(soup.title.name) # 输出标签名称
2.3 访问属性
- 获取标签属性：
print(soup.p.attrs) # 返回所有属性，格式为字典
print(soup.p.attrs['name']) # 获取特定属性值
print(soup.p.attrs['class']) # 获取 class 属性
- 使用字典访问属性：
print(soup.p['class']) # 直接通过键访问属性
print(soup.p['name']) # 获取 name 属性
3. 重点说明
- 解析器选择：使用 ‘lxml’ 解析器，可以提高解析速度和准确性。
- 标签查找：当有多个相同标签时，默认只返回第一个，可以使用 soup.find_all() 获取所有匹配的标签。
扫一扫
330
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
