python 爬虫之 BeautifulSoup 库详解

最新推荐文章于 2024-02-21 20:10:21 发布

_大道至简0_

最新推荐文章于 2024-02-21 20:10:21 发布

阅读量614

点赞数

分类专栏： python 文章标签： python html xml 爬虫库

本文链接：https://blog.csdn.net/zhao_zi_ming_lc/article/details/78090733

版权

python 专栏收录该内容

9 篇文章 0 订阅

订阅专栏

BeautiflSoup4 库是一个可以从HTML或XML文件中提取数据的Python库，是一个非常好用的Html解析库。
安装bs4：

pip install beautifulsoup4

安装解析器：

pip install lxml

把HTML存入字符串

html_doc = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title"><b>The Dormouse's story</b></p>

<p class="story">Once upon a time there were three little sisters; and their names were
<a href="http://example.com/elsie" class="sister" id="link1">Elsie</a>,
<a href="http://example.com/lacie" class="sister" id="link2">Lacie</a> and
<a href="http://example.com/tillie" class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>

<p class="story">...</p>
"""
from bs4 import BeautifulSoup
soup = BeautifulSoup(html_doc)

一、BeautifulSoup库对象
用BeautifulSoup解析出来的是一个对象，是根DOM树的根对象html对象，Soup中的每个标签都是一个对象，通过上层对象去调用下层对象，返回遇到的第一个标签对象。
每个html的标签中的属性也是一个对象，可以通过 “标签.属性名”访问。
例子如下：

soup.title
# <title>The Dormouse's story</title>

soup.title.name
# u'title'

soup.title.string
# u'The Dormouse's story'

soup.title.parent.name
# u'head'

soup.p
# <p class="title"><b>The Dormouse's story</b></p>

soup.p['class']
# u'title'

soup.a
# <a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>

soup.find_all('a')
# [<a class="sister" href="http://example.com/elsie" id="link1">Elsie</a>,
#  <a class="sister" href="http://example.com/lacie" id="link2">Lacie</a>,
#  <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>]

soup.find(id="link3")
# <a class="sister" href="http://example.com/tillie" id="link3">Tillie</a>

常用对象
.content .children将子节点以列表的方式输出

head_tag = soup.head
head_tag
# <head><title>The Dormouse's story</title></head>

head_tag.contents
[<title>The Dormouse's story</title>]
title_tag = head_tag.contents[0]
title_tag
# <title>The Dormouse's story</title>
title_tag.contents
# [u'The Dormouse's story']

.string 输出开闭标签之间的字符串

title_tag.string
# u'The Dormouse's story'

.parent 输出该子节点的上层节点

.next_sibling 和 .pevious_sibling 兄弟节点，输出下一个兄弟节点和输出前一个兄弟节点

.next_element 和 .previous_element 前向或向后访问文档的解析内容。

二、常用BeautifulSoup方法
1.prettify() 方法
soup.prettify()
BeautifulSoup解析这段代码,能够得到一个 BeautifulSoup 的对象,并能按照标准的缩进格式的结构输出

2.find_all(‘a’) 方法
soup.find_all(‘a’)
解析所有的a标签返回一个列表

3.get_text() 方法
soup.get_text()

详细操作方法请参考BeautifulSoup4库官方文档
BeautifulSoup4库文档

学习python的同道可以关注下我的公众号，
不定期发送python 干货。
这里写图片描述

_大道至简0_

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
python 爬虫之 BeautifulSoup 库详解

BeautiflSoup4 库是一个可以从HTML或XML文件中提取数据的Python库，是一个非常好用的Html解析库。安装bs4：pip install beautifulsoup4安装解析器：pip install lxml详细操作方法请参考BeautifulSoup4库官方文档 BeautifulSoup4库文档学习python的同道可以关注下我的公众号，不定期发送python 干
复制链接

扫一扫