Python中使用Beautiful Soup庫的超詳細教程

更新時間：2015年04月30日 17:00:21 作者：崔慶才

這篇文章主要介紹了Python中使用Beautiful Soup庫的超詳細教程,示例代碼基于Python2.x版本,極力推薦!需要的朋友可以參考下

1. Beautiful Soup的簡介

簡單來說，Beautiful Soup是python的一個庫，最主要的功能是從網頁抓取數(shù)據(jù)。官方解釋如下：

Beautiful Soup提供一些簡單的、python式的函數(shù)用來處理導航、搜索、修改分析樹等功能。它是一個工具箱，通過解析文檔為用戶提供需要抓取的數(shù)據(jù)，因為簡單，所以不需要多少代碼就可以寫出一個完整的應用程序。

Beautiful Soup自動將輸入文檔轉換為Unicode編碼，輸出文檔轉換為utf-8編碼。你不需要考慮編碼方式，除非文檔沒有指定一個編碼方式，這時，Beautiful Soup就不能自動識別編碼方式了。然后，你僅僅需要說明一下原始編碼方式就可以了。

Beautiful Soup已成為和lxml、html6lib一樣出色的python解釋器，為用戶靈活地提供不同的解析策略或強勁的速度。

廢話不多說，我們來試一下吧~
2. Beautiful Soup 安裝

Beautiful Soup 3 目前已經停止開發(fā)，推薦在現(xiàn)在的項目中使用Beautiful Soup 4，不過它已經被移植到BS4了，也就是說導入時我們需要 import bs4 。所以這里我們用的版本是 Beautiful Soup 4.3.2 (簡稱BS4)，另外據(jù)說 BS4 對 Python3 的支持不夠好，不過我用的是 Python2.7.7，如果有小伙伴用的是 Python3 版本，可以考慮下載 BS3 版本。

如果你用的是新版的Debain或Ubuntu,那么可以通過系統(tǒng)的軟件包管理來安裝，不過它不是最新版本，目前是4.2.1版本

sudo apt-get install Python-bs4

如果想安裝最新的版本，請直接下載安裝包來手動安裝，也是十分方便的方法。在這里我安裝的是 Beautiful Soup 4.3.2

Beautiful Soup 3.2.1Beautiful Soup 4.3.2

下載完成之后解壓

運行下面的命令即可完成安裝

sudo python setup.py install

如下圖所示，證明安裝成功了

2015430164303242.png (722×462)

然后需要安裝 lxml

sudo apt-get install Python-lxml

Beautiful Soup支持Python標準庫中的HTML解析器,還支持一些第三方的解析器，如果我們不安裝它，則 Python 會使用 Python默認的解析器，lxml 解析器更加強大，速度更快，推薦安裝。
3. 開啟Beautiful Soup 之旅

在這里先分享官方文檔鏈接，不過內容是有些多，也不夠條理，在此本文章做一下整理方便大家參考。

官方文檔
4. 創(chuàng)建 Beautiful Soup 對象

首先必須要導入 bs4 庫

from bs4 import BeautifulSoup

我們創(chuàng)建一個字符串，后面的例子我們便會用它來演示

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 there were three little sisters; and their names were
<a  class="sister" id="link1"><!-- Elsie --></a>,
<a  class="sister" id="link2">Lacie</a> and
<a  class="sister" id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
"""

創(chuàng)建 beautifulsoup 對象

soup = BeautifulSoup(html)

另外，我們還可以用本地 HTML 文件來創(chuàng)建對象，例如

soup = BeautifulSoup(open('index.html'))

上面這句代碼便是將本地 index.html 文件打開，用它來創(chuàng)建 soup 對象

下面我們來打印一下 soup 對象的內容，格式化輸出

print soup.prettify()
 
<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 there were three little sisters; and their names were
  <a class="sister"  id="link1">
  <!-- Elsie -->
  </a>
  ,
  <a class="sister"  id="link2">
  Lacie
  </a>
  and
  <a class="sister"  id="link3">
  Tillie
  </a>
  ;
and they lived at the bottom of a well.
 </p>
 <p class="story">
  ...
 </p>
 </body>
</html>

以上便是輸出結果，格式化打印出了它的內容，這個函數(shù)經常用到，小伙伴們要記好咯。
5. 四大對象種類

Beautiful Soup將復雜HTML文檔轉換成一個復雜的樹形結構,每個節(jié)點都是Python對象,所有對象可以歸納為4種:

Tag
NavigableString
BeautifulSoup
Comment

下面我們進行一一介紹
（1）Tag

Tag 是什么？通俗點講就是 HTML 中的一個個標簽，例如

<title>The Dormouse's story</title>
 
<a class="sister"  id="link1">Elsie</a>

上面的 title a 等等 HTML 標簽加上里面包括的內容就是 Tag，下面我們來感受一下怎樣用 Beautiful Soup 來方便地獲取 Tags

下面每一段代碼中注釋部分即為運行結果

print soup.title
#<title>The Dormouse's story</title>
 
print soup.head
#<head><title>The Dormouse's story</title></head>
 
print soup.a
#<a class="sister"  id="link1"><!-- Elsie --></a>
 
print soup.p
#<p class="title" name="dromouse"><b>The Dormouse's story</b></p>

我們可以利用 soup加標簽名輕松地獲取這些標簽的內容，是不是感覺比正則表達式方便多了？不過有一點是，它查找的是在所有內容中的第一個符合要求的標簽，如果要查詢所有的標簽，我們在后面進行介紹。

我們可以驗證一下這些對象的類型

print type(soup.a)
#<class 'bs4.element.Tag'>

對于 Tag，它有兩個重要的屬性，是 name 和 attrs，下面我們分別來感受一下

name
 
print soup.name
print soup.head.name
#[document]
#head

soup 對象本身比較特殊，它的 name 即為 [document]，對于其他內部標簽，輸出的值便為標簽本身的名稱。

attrs
 
print soup.p.attrs
#{'class': ['title'], 'name': 'dromouse'}

在這里，我們把 p 標簽的所有屬性打印輸出了出來，得到的類型是一個字典。

如果我們想要單獨獲取某個屬性，可以這樣，例如我們獲取它的 class 叫什么

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

還可以這樣，利用get方法，傳入屬性的名稱，二者是等價的

print soup.p.get('class')
#['title']

我們可以對這些屬性和內容等等進行修改，例如

soup.p['class']="newClass"
print soup.p
#<p class="newClass" name="dromouse"><b>The Dormouse's story</b></p>

還可以對這個屬性進行刪除，例如

del soup.p['class']
print soup.p
#<p name="dromouse"><b>The Dormouse's story</b></p>

不過，對于修改刪除的操作，不是我們的主要用途，在此不做詳細介紹了，如果有需要，請查看前面提供的官方文檔
（2）NavigableString

既然我們已經得到了標簽的內容，那么問題來了，我們要想獲取標簽內部的文字怎么辦呢？很簡單，用 .string 即可，例如

print soup.p.string
#The Dormouse's story

這樣我們就輕松獲取到了標簽里面的內容，想想如果用正則表達式要多麻煩。它的類型是一個 NavigableString，翻譯過來叫可以遍歷的字符串，不過我們最好還是稱它英文名字吧。

print type(soup.p.string)
#<class 'bs4.element.NavigableString'>

來檢查一下它的類型

print type(soup.p.string)
#<class 'bs4.element.NavigableString'>

（3）BeautifulSoup

BeautifulSoup 對象表示的是一個文檔的全部內容.大部分時候,可以把它當作 Tag 對象，是一個特殊的 Tag，我們可以分別獲取它的類型，名稱，以及屬性來感受一下

print type(soup.name)
#<type 'unicode'>
print soup.name 
# [document]
print soup.attrs 
#{} 空字典

（4）Comment

Comment 對象是一個特殊類型的 NavigableString 對象，其實輸出的內容仍然不包括注釋符號，但是如果不好好處理它，可能會對我們的文本處理造成意想不到的麻煩。

我們找一個帶注釋的標簽

print soup.a
print soup.a.string
print type(soup.a.string)

運行結果如下

<a class="sister"  id="link1"><!-- Elsie --></a>
 Elsie 
<class 'bs4.element.Comment'>

a 標簽里的內容實際上是注釋，但是如果我們利用 .string 來輸出它的內容，我們發(fā)現(xiàn)它已經把注釋符號去掉了，所以這可能會給我們帶來不必要的麻煩。

另外我們打印輸出下它的類型，發(fā)現(xiàn)它是一個 Comment 類型，所以，我們在使用前最好做一下判斷，判斷代碼如下

if type(soup.a.string)==bs4.element.Comment:
  print soup.a.string

上面的代碼中，我們首先判斷了它的類型，是否為 Comment 類型，然后再進行其他操作，如打印輸出。
6. 遍歷文檔樹
（1）直接子節(jié)點

要點：.contents .children 屬性

.contents

tag 的 .content 屬性可以將tag的子節(jié)點以列表的方式輸出

print soup.head.contents 
#[<title>The Dormouse's story</title>]

輸出方式為列表，我們可以用列表索引來獲取它的某一個元素

print soup.head.contents[0]
#<title>The Dormouse's story</title>

.children

它返回的不是一個 list，不過我們可以通過遍歷獲取所有子節(jié)點。

我們打印輸出 .children 看一下，可以發(fā)現(xiàn)它是一個 list 生成器對象

print soup.head.children
#<listiterator object at 0x7f71457f5710>

我們怎樣獲得里面的內容呢？很簡單，遍歷一下就好了，代碼及結果如下

for child in soup.body.children:
  print child
 
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
 
<p class="story">Once upon a time there were three little sisters; and their names were
<a class="sister"  id="link1"><!-- Elsie --></a>,
<a class="sister"  id="link2">Lacie</a> and
<a class="sister"  id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
 
<p class="story">...</p>

（2）所有子孫節(jié)點

知識點：.descendants 屬性

.descendants

.contents 和 .children 屬性僅包含tag的直接子節(jié)點，.descendants 屬性可以對所有tag的子孫節(jié)點進行遞歸循環(huán)，和 children類似，我們也需要遍歷獲取其中的內容。

for child in soup.descendants:
  print child

運行結果如下，可以發(fā)現(xiàn)，所有的節(jié)點都被打印出來了，先生最外層的 HTML標簽，其次從 head 標簽一個個剝離，以此類推。

<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 there were three little sisters; and their names were
<a class="sister"  id="link1"><!-- Elsie --></a>,
<a class="sister"  id="link2">Lacie</a> and
<a class="sister"  id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
</body></html>
<head><title>The Dormouse's story</title></head>
<title>The Dormouse's story</title>
The Dormouse's story
 
<body>
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<p class="story">Once upon a time there were three little sisters; and their names were
<a class="sister"  id="link1"><!-- Elsie --></a>,
<a class="sister"  id="link2">Lacie</a> and
<a class="sister"  id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
<p class="story">...</p>
</body>
 
<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
<b>The Dormouse's story</b>
The Dormouse's story
 
<p class="story">Once upon a time there were three little sisters; and their names were
<a class="sister"  id="link1"><!-- Elsie --></a>,
<a class="sister"  id="link2">Lacie</a> and
<a class="sister"  id="link3">Tillie</a>;
and they lived at the bottom of a well.</p>
Once upon a time there were three little sisters; and their names were
 
<a class="sister"  id="link1"><!-- Elsie --></a>
 Elsie 
,
 
<a class="sister"  id="link2">Lacie</a>
Lacie
 and
 
<a class="sister"  id="link3">Tillie</a>
Tillie
;
and they lived at the bottom of a well.
 
<p class="story">...</p>
...

（3）節(jié)點內容

知識點：.string 屬性

如果tag只有一個 NavigableString 類型子節(jié)點,那么這個tag可以使用 .string 得到子節(jié)點。如果一個tag僅有一個子節(jié)點,那么這個tag也可以使用 .string 方法,輸出結果與當前唯一子節(jié)點的 .string 結果相同。

通俗點說就是：如果一個標簽里面沒有標簽了，那么 .string 就會返回標簽里面的內容。如果標簽里面只有唯一的一個標簽了，那么 .string 也會返回最里面的內容。例如

print soup.head.string
#The Dormouse's story
print soup.title.string
#The Dormouse's story

如果tag包含了多個子節(jié)點,tag就無法確定，string 方法應該調用哪個子節(jié)點的內容, .string 的輸出結果是 None

print soup.html.string
# None

（4）多個內容

知識點： .strings .stripped_strings 屬性

.strings

獲取多個內容，不過需要遍歷獲取，比如下面的例子

for string in soup.strings:
  print(repr(string))
  # u"The Dormouse's story"
  # u'\n\n'
  # u"The Dormouse's story"
  # u'\n\n'
  # u'Once upon a time there were three little sisters; and their names were\n'
  # u'Elsie'
  # u',\n'
  # u'Lacie'
  # u' and\n'
  # u'Tillie'
  # u';\nand they lived at the bottom of a well.'
  # u'\n\n'
  # u'...'
  # u'\n'

.stripped_strings

輸出的字符串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多余空白內容

for string in soup.stripped_strings:
  print(repr(string))
  # u"The Dormouse's story"
  # u"The Dormouse's story"
  # u'Once upon a time there were three little sisters; and their names were'
  # u'Elsie'
  # u','
  # u'Lacie'
  # u'and'
  # u'Tillie'
  # u';\nand they lived at the bottom of a well.'
  # u'...'

（5）父節(jié)點

知識點： .parent 屬性

p = soup.p
print p.parent.name
#body
 
content = soup.head.title.string
print content.parent.name
#title

（6）全部父節(jié)點

知識點：.parents 屬性

通過元素的 .parents 屬性可以遞歸得到元素的所有父輩節(jié)點，例如

content = soup.head.title.string
for parent in content.parents:
  print parent.name

title
head
html
[document]

（7）兄弟節(jié)點

知識點：.next_sibling .previous_sibling 屬性

兄弟節(jié)點可以理解為和本節(jié)點處在統(tǒng)一級的節(jié)點，.next_sibling 屬性獲取了該節(jié)點的下一個兄弟節(jié)點，.previous_sibling 則與之相反，如果節(jié)點不存在，則返回 None

注意：實際文檔中的tag的 .next_sibling 和 .previous_sibling 屬性通常是字符串或空白，因為空白或者換行也可以被視作一個節(jié)點，所以得到的結果可能是空白或者換行

print soup.p.next_sibling
#    實際該處為空白
print soup.p.prev_sibling
#None  沒有前一個兄弟節(jié)點，返回 None
print soup.p.next_sibling.next_sibling
#<p class="story">Once upon a time there were three little sisters; and their names were
#<a class="sister"  id="link1"><!-- Elsie --></a>,
#<a class="sister"  id="link2">Lacie</a> and
#<a class="sister"  id="link3">Tillie</a>;
#and they lived at the bottom of a well.</p>
#下一個節(jié)點的下一個兄弟節(jié)點是我們可以看到的節(jié)點

（8）全部兄弟節(jié)點

知識點：.next_siblings .previous_siblings 屬性

通過 .next_siblings 和 .previous_siblings 屬性可以對當前節(jié)點的兄弟節(jié)點迭代輸出

for sibling in soup.a.next_siblings:
  print(repr(sibling))
  # u',\n'
  # <a class="sister"  id="link2">Lacie</a>
  # u' and\n'
  # <a class="sister"  id="link3">Tillie</a>
  # u'; and they lived at the bottom of a well.'
  # None

（9）前后節(jié)點

知識點：.next_element .previous_element 屬性

與 .next_sibling .previous_sibling 不同，它并不是針對于兄弟節(jié)點，而是在所有節(jié)點，不分層次

比如 head 節(jié)點為

<head><title>The Dormouse's story</title></head>

那么它的下一個節(jié)點便是 title，它是不分層次關系的

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

（10）所有前后節(jié)點

知識點：.next_elements .previous_elements 屬性

通過 .next_elements 和 .previous_elements 的迭代器就可以向前或向后訪問文檔的解析內容,就好像文檔正在被解析一樣

for element in last_a_tag.next_elements:
  print(repr(element))
# u'Tillie'
# u';\nand they lived at the bottom of a well.'
# u'\n\n'
# <p class="story">...</p>
# u'...'
# u'\n'
# None

7.搜索文檔樹
（1）find_all( name , attrs , recursive , text , **kwargs )

find_all() 方法搜索當前tag的所有tag子節(jié)點,并判斷是否符合過濾器的條件

1）name 參數(shù)

name 參數(shù)可以查找所有名字為 name 的tag,字符串對象會被自動忽略掉

A.傳字符串

最簡單的過濾器是字符串.在搜索方法中傳入一個字符串參數(shù),Beautiful Soup會查找與字符串完整匹配的內容,下面的例子用于查找文檔中所有的<b>標簽

soup.find_all('b')
# [<b>The Dormouse's story</b>]
 
print soup.find_all('a')
#[<a class="sister"  id="link1"><!-- Elsie --></a>, <a class="sister"  id="link2">Lacie</a>, <a class="sister"  id="link3">Tillie</a>]

B.傳正則表達式

如果傳入正則表達式作為參數(shù),Beautiful Soup會通過正則表達式的 match() 來匹配內容.下面例子中找出所有以b開頭的標簽,這表示<body>和<b>標簽都應該被找到

import re
for tag in soup.find_all(re.compile("^b")):
  print(tag.name)
# body
# b

C.傳列表

如果傳入列表參數(shù),Beautiful Soup會將與列表中任一元素匹配的內容返回.下面代碼找到文檔中所有<a>標簽和<b>標簽

soup.find_all(["a", "b"])
# [<b>The Dormouse's story</b>,
# <a class="sister"  id="link1">Elsie</a>,
# <a class="sister"  id="link2">Lacie</a>,
# <a class="sister"  id="link3">Tillie</a>]

D.傳 True

True 可以匹配任何值,下面代碼查找到所有的tag,但是不會返回字符串節(jié)點

for tag in soup.find_all(True):
  print(tag.name)
# html
# head
# title
# body
# p
# b
# p
# a
# a

E.傳方法

如果沒有合適過濾器,那么還可以定義一個方法,方法只接受一個元素參數(shù) [4] ,如果這個方法返回 True 表示當前元素匹配并且被找到,如果不是則反回 False

下面方法校驗了當前元素,如果包含 class 屬性卻不包含 id 屬性,那么將返回 True:

def has_class_but_no_id(tag):
  return tag.has_attr('class') and not tag.has_attr('id')

將這個方法作為參數(shù)傳入 find_all() 方法,將得到所有<p>標簽:

soup.find_all(has_class_but_no_id)
# [<p class="title"><b>The Dormouse's story</b></p>,
# <p class="story">Once upon a time there were...</p>,
# <p class="story">...</p>]

2）keyword 參數(shù)

注意：如果一個指定名字的參數(shù)不是搜索內置的參數(shù)名,搜索時會把該參數(shù)當作指定名字tag的屬性來搜索,如果包含一個名字為 id 的參數(shù),Beautiful Soup會搜索每個tag的”id”屬性

soup.find_all(id='link2')
# [<a class="sister"  id="link2">Lacie</a>]

如果傳入 href 參數(shù),Beautiful Soup會搜索每個tag的”href”屬性

soup.find_all(href=re.compile("elsie"))
# [<a class="sister"  id="link1">Elsie</a>]

使用多個指定名字的參數(shù)可以同時過濾tag的多個屬性

soup.find_all(href=re.compile("elsie"), id='link1')
# [<a class="sister"  id="link1">three</a>]

在這里我們想用 class 過濾，不過 class 是 python 的關鍵詞，這怎么辦？加個下劃線就可以

soup.find_all("a", class_="sister")
# [<a class="sister"  id="link1">Elsie</a>,
# <a class="sister"  id="link2">Lacie</a>,
# <a class="sister"  id="link3">Tillie</a>]

有些tag屬性在搜索不能使用,比如HTML5中的 data-* 屬性

soup.find_all("a", class_="sister")
# [<a class="sister"  id="link1">Elsie</a>,
# <a class="sister"  id="link2">Lacie</a>,
# <a class="sister"  id="link3">Tillie</a>]

但是可以通過 find_all() 方法的 attrs 參數(shù)定義一個字典參數(shù)來搜索包含特殊屬性的tag

data_soup.find_all(attrs={"data-foo": "value"})
# [<div data-foo="value">foo!</div>]

3）text 參數(shù)

通過 text 參數(shù)可以搜搜文檔中的字符串內容.與 name 參數(shù)的可選值一樣, text 參數(shù)接受字符串 , 正則表達式 , 列表, True

soup.find_all(text="Elsie")
# [u'Elsie']
 
soup.find_all(text=["Tillie", "Elsie", "Lacie"])
# [u'Elsie', u'Lacie', u'Tillie']
 
soup.find_all(text=re.compile("Dormouse"))
[u"The Dormouse's story", u"The Dormouse's story"]

4）limit 參數(shù)

find_all() 方法返回全部的搜索結構,如果文檔樹很大那么搜索會很慢.如果我們不需要全部結果,可以使用 limit 參數(shù)限制返回結果的數(shù)量.效果與SQL中的limit關鍵字類似,當搜索到的結果數(shù)量達到 limit 的限制時,就停止搜索返回結果.

文檔樹中有3個tag符合搜索條件,但結果只返回了2個,因為我們限制了返回數(shù)量

soup.find_all("a", limit=2)
# [<a class="sister"  id="link1">Elsie</a>,
# <a class="sister"  id="link2">Lacie</a>]

5）recursive 參數(shù)

調用tag的 find_all() 方法時,Beautiful Soup會檢索當前tag的所有子孫節(jié)點,如果只想搜索tag的直接子節(jié)點,可以使用參數(shù) recursive=False .

一段簡單的文檔:

復制代碼代碼如下:

 
<html>

 <head>

  <title>

   The Dormouse's story

  </title>

 </head>

...

是否使用 recursive 參數(shù)的搜索結果:

soup.html.find_all("title")
# [<title>The Dormouse's story</title>]
 
soup.html.find_all("title", recursive=False)
# []

（2）find( name , attrs , recursive , text , **kwargs )

它與 find_all() 方法唯一的區(qū)別是 find_all() 方法的返回結果是值包含一個元素的列表,而 find() 方法直接返回結果
（3）find_parents() find_parent()

find_all() 和 find() 只搜索當前節(jié)點的所有子節(jié)點,孫子節(jié)點等. find_parents() 和 find_parent() 用來搜索當前節(jié)點的父輩節(jié)點,搜索方法與普通tag的搜索方法相同,搜索文檔搜索文檔包含的內容
（4）find_next_siblings() find_next_sibling()

這2個方法通過 .next_siblings 屬性對當 tag 的所有后面解析的兄弟 tag 節(jié)點進行迭代, find_next_siblings() 方法返回所有符合條件的后面的兄弟節(jié)點,find_next_sibling() 只返回符合條件的后面的第一個tag節(jié)點
（5）find_previous_siblings() find_previous_sibling()

這2個方法通過 .previous_siblings 屬性對當前 tag 的前面解析的兄弟 tag 節(jié)點進行迭代, find_previous_siblings() 方法返回所有符合條件的前面的兄弟節(jié)點, find_previous_sibling() 方法返回第一個符合條件的前面的兄弟節(jié)點
（6）find_all_next() find_next()

這2個方法通過 .next_elements 屬性對當前 tag 的之后的 tag 和字符串進行迭代, find_all_next() 方法返回所有符合條件的節(jié)點, find_next() 方法返回第一個符合條件的節(jié)點
（7）find_all_previous() 和 find_previous()

這2個方法通過 .previous_elements 屬性對當前節(jié)點前面的 tag 和字符串進行迭代, find_all_previous() 方法返回所有符合條件的節(jié)點, find_previous()方法返回第一個符合條件的節(jié)點

注：以上（2）（3）（4）（5）（6）（7）方法參數(shù)用法與 find_all() 完全相同，原理均類似，在此不再贅述。

8.CSS選擇器

我們在寫 CSS 時，標簽名不加任何修飾，類名前加點，id名前加 #，在這里我們也可以利用類似的方法來篩選元素，用到的方法是 soup.select()，返回類型是 list
（1）通過標簽名查找

print soup.select('title') 
#[<title>The Dormouse's story</title>]
 
print soup.select('a')
#[<a class="sister"  id="link1"><!-- Elsie --></a>, <a class="sister"  id="link2">Lacie</a>, <a class="sister"  id="link3">Tillie</a>]
 
print soup.select('b')
#[<b>The Dormouse's story</b>]

（2）通過類名查找

print soup.select('.sister')
#[<a class="sister"  id="link1"><!-- Elsie --></a>, <a class="sister"  id="link2">Lacie</a>, <a class="sister"  id="link3">Tillie</a>]

（3）通過 id 名查找

print soup.select('#link1')
#[<a class="sister"  id="link1"><!-- Elsie --></a>]

（4）組合查找

組合查找即和寫 class 文件時，標簽名與類名、id名進行的組合原理是一樣的，例如查找 p 標簽中，id 等于 link1的內容，二者需要用空格分開

print soup.select('p #link1')
#[<a class="sister"  id="link1"><!-- Elsie --></a>]

直接子標簽查找

print soup.select("head > title")
#[<title>The Dormouse's story</title>]

（5）屬性查找

查找時還可以加入屬性元素，屬性需要用中括號括起來，注意屬性和標簽屬于同一節(jié)點，所以中間不能加空格，否則會無法匹配到。

print soup.select("head > title")
#[<title>The Dormouse's story</title>]
 
print soup.select('a[)
#[<a class="sister"  id="link1"><!-- Elsie --></a>]

同樣，屬性仍然可以與上述查找方式組合，不在同一節(jié)點的空格隔開，同一節(jié)點的不加空格

print soup.select('p a[)
#[<a class="sister"  id="link1"><!-- Elsie --></a>]

好，這就是另一種與 find_all 方法有異曲同工之妙的查找方法，是不是感覺很方便？
總結

本篇內容比較多，把 Beautiful Soup 的方法進行了大部分整理和總結，不過這還不算完全，仍然有 Beautiful Soup 的修改刪除功能，不過這些功能用得比較少，只整理了查找提取的方法，希望對大家有幫助！小伙伴們加油！

熟練掌握了 Beautiful Soup，一定會給你帶來太多方便，加油吧！

您可能感興趣的文章:

Python

Python數(shù)據(jù)可視化常用4大繪圖庫原理詳解
這篇文章主要介紹了Python數(shù)據(jù)可視化常用4大繪圖庫原理詳解,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
2020-10-10
Django基礎知識與基本應用入門教程
這篇文章主要介紹了Django基礎知識與基本應用,結合實例形式分析了Django框架基本的項目創(chuàng)建、啟動、查看版本等操作,并結合一個簡單的blog應用示例分析了Django的基本使用方法,需要的朋友可以參考下
2018-07-07
python計算階乘和的方法(1!+2!+3!+...+n!)
今天小編就為大家分享一篇python計算階乘和的方法(1!+2!+3!+...+n!)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2019-02-02
python實現(xiàn)京東訂單推送到測試環(huán)境，提供便利操作示例
這篇文章主要介紹了python實現(xiàn)京東訂單推送到測試環(huán)境，提供便利操作,涉及Python基于requests模塊的網絡請求操作相關使用技巧,需要的朋友可以參考下
2019-08-08
Python GUI庫Tkiner使用方法代碼示例
這篇文章主要介紹了Python GUI庫Tkiner使用方法代碼示例,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
2020-11-11
python正則表達中的re庫常用方法總結
這篇文章主要介紹了python正則表達中的re庫常用方法總結文章圍繞主題展開詳細的內容介紹，具有一定的參考價值，感興趣的小伙伴可以參考一下
2022-08-08
matplotlib之pyplot模塊坐標軸范圍設置(autoscale(),xlim(),ylim())
這篇文章主要介紹了matplotlib之pyplot模塊坐標軸范圍設置(autoscale(),xlim(),ylim()),文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
2021-03-03
在Linux下調試Python代碼的各種方法
這篇文章主要介紹了在Linux下調試Python代碼的各種方法,用于編程后的debug工作,需要的朋友可以參考下
2015-04-04
Pytorch高階OP操作where，gather原理
這篇文章主要介紹了Pytorch高階OP操作where，gather原理,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
2020-04-04
python數(shù)據(jù)結構之搜索講解
這篇文章主要介紹了python數(shù)據(jù)結構之搜索講解,搜索是指從元素集合中找到某個特定元素的算法過程。搜索過程通常返回?True?或?False，?分別表示元素是否存在,下面一起來了解文章的詳細內容吧，希望對你有所幫助
2021-12-12