【python】 Beautiful Soup常用方法

非常感谢 https://b23.tv/wNSgXs教学分享,以下是学习笔记

Beautiful Soup 是一个可以从HTML或XML文件中提取数据的Python库.它能够通过你喜欢的转换器实现惯用的文档导航,查找,修改文档的方式.支持Python标准库中的HTML解析器,还支持一些第三方的解析器,如果我们不安装它,则 Python 会使用 Python默认的解析器html.parser

这里用到的baidu.tml文件是




    
    
    
    
    百度一下,你就知道 


  

BS解析html

from bs4 import BeautifulSoup
file = open("./baidu.html","rb")   #二进制读取
html = file.read().decode("utf-8")
bs = BeautifulSoup(html,"html.parser")   #利用BS来解析文件

Tag

#1.Tag   标签及内容;只能拿到所找到的第一个内容    加入标签是:head    /head  取到标签中的内容
print(bs.title)

对比 html 源码,可以看见得到的内容就是源码中第一个title的内容

NavigableString

print(bs.title.string)      #一个标签的内容
print(bs.a.attrs)           #一个标签的所有属性

BeautifulSoup

print(bs)  # 整个文档

注释类型

print(bs.a.string)
print(type(bs.a.string))               #comment类型 是一个特殊的NavigableString,输出内容不包含注释符号

对比源码输出的是第一个a中的注释部分


标签内容提取

1. 文档的遍历 

# 文档的遍历   所有都拿到
print(bs.head.contents)     # bs.head.contents  可以获得到所有标签的内容  返回列表形式,通过序列号可以到具体的某个内容

# 列表中的第一个
print(bs.head.contents[1])     

2.find_all()

2.1 常量搜索

# 字符串过滤,查找与字符串完全匹配的内容
t_list = bs.find_all("a")
print(t_list)
2.2 正则表达式搜索;使用search()方法来匹配搜索
import re
t_list = bs.find_all(re.compile("a"))
print(t_list)

2..3 方法:传入一个函数,根据函数要求来搜索

#只搜索有name属性的标签的内容
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)
print(t_list)

【python】 Beautiful Soup常用方法_第1张图片

2.4. kwargs 参数

t_list = bs.find_all(id = "head")
for item in t_list:
    print(item)

t_list = bs.find_all(href="http://tieba.baidu.com")
for item in t_list:
    print(item)

【python】 Beautiful Soup常用方法_第2张图片

 

 

 

你可能感兴趣的:(python,python,html)