python爬虫学习之解析_BeautifulSoup

目录

一、bs4的基本使用

（1）导入

（2）创建对象

二、节点定位

1、根据标签名查找节点

2、基本函数使用

（1）find

（2）find_all

（3）select

三、节点信息

1、获取节点内容

2、获取节点属性

附：bs4的基本使用.html

四、bs4的应用

---

注：Python3.10+，使用 Beautiful Soup 时出现错误“AttributeError 'collections' has no attribute 'Callable'”。

在 python 3.10+ 中，collections.Callable已移至collections.abc.Callable 。

故推荐用Python3.10以下版本。

一、bs4的基本使用

（1）导入

from bs4 import BeautifulSoup

（2）创建对象

--服务器响应的文件生成对象

soup = BeautifulSoup(response.read().decode(),'lxml')

--本地文件生成对象

#默认打开文件的编码格式是gbk,故在打开文件的时候要指定编码
soup = BeautifulSoup(open('bs4的基本使用.html',encoding='utf-8'),'lxml')

二、节点定位

1、根据标签名查找节点

#找到的是第一个符合条件的数据
print(soup.a)

#获取标签的属性和属性值
print(soup.a.attrs)

2、基本函数使用

（1）find

#找到的是第一个符合条件的数据
print(soup.find('a'))   #和soup.a差不多

#根据title的值来找到对应的标签对象
print(soup.find('a',title = "A1"))

#根据class的值来找到对应的标签对象
#注意class需要添加下划线
print(soup.find('a',class_ = "A2"))

（2）find_all

# 返回的是一个列表  并且返回了所有的a标签
print(soup.find_all('a'))

#如果需要获取多个标签的数据，则需要在find_all的参数中添加的是列表的数据
print(soup.find_all(['a','span']))

#limit是查找前几个数据
print(soup.find_all('li',limit=2))

（3）select

#select会返回一个列表，并且会返回多个数据
print(soup.select('a'))  #和find差不多

#类选择器
#可以通过.代表class
print(soup.select('.A2'))

#可以通过#代表id
print(soup.select('#L1'))

#属性选择器
#查找li标签中有id的标签
print(soup.select('li[id]'))

#查找到li标签中id为L1的标签
print(soup.select('li[id="L1"]'))

# 层级选择器
#后代选择器 查找div下面的li  返回的是一个列表
print(soup.select('div li'))

#子代选择器
#某标签的第一级子标签
# warning:在大多数编程语言中需要div > ul >li 这样写，但是在bs4中，可以写div>ul>li。
print(soup.select('div>ul>li'))

# 获取多个标签的数据
print(soup.select('a,span'))
#区别  同find_all  一样输出
print(soup.find_all(['a','span']))

三、节点信息

1、获取节点内容

obj = soup.select('#d1')[0]
#如果标签对象中，只有内容那么string和get_text()都可以使用
#如果标签对象中，除了内容还有标签，那么string就会输出NONE
print(obj.string)
print(obj.get_text())

2、获取节点属性

obj = soup.select('#p1')[0]
#name是标签的名字
print(obj.name)
#将属性值作为一个字典返回
print(obj.attrs)

#获取节点的属性
obj = soup.select('#p1')[0]
print(obj.attrs.get('class'))
print(obj.get('class'))
print(obj['class'])

附：bs4的基本使用.html

    
    


    

        

            
张三
            
李四
            
王五
            蜀道之南718
            万事如意
        
    
    百度

    

        
            恭贺新禧
        
    

    

        大吉大利
    

四、bs4的应用

用bs4来爬取麦当当的所有汉堡品类

import urllib.request

url = "https://www.mcdonalds.com.cn/index/Food/menu/burger"

response = urllib.request.urlopen(url)

content = response.read().decode('utf-8')

from bs4 import BeautifulSoup

soup = BeautifulSoup(content,'lxml')

#//span[@class="name"]/text()
name_list = soup.select('.name')

for name in name_list:
    print(name.get_text())