beautifulSoup20%基礎知識
阿新 • • 發佈：2018-12-31
詳細的內容請看這裡——參考部落格，下面是自己需要參考的部分總結。
- 建立 Beautiful Soup 物件,首先必須要匯入 bs4 庫
from bs4 import BeautifulSoup
- 建立一個字串，請將字串拷貝出來，再參考後面的例子，這樣才能明白。
html = """
<html><head><title>The Dormouse's story</title></head>
<body>
<p class="title" name="dromouse" - 建立 beautifulsoup 物件
soup = BeautifulSoup(html)
- Beautiful Soup將複雜HTML文件轉換成一個複雜的樹形結構,每個節點都是Python物件,所有物件可以歸納為4種:Tag、NavigableString、BeautifulSoup、Comment。
(1) Tag:Tag 是什麼？通俗點講就是 HTML 中的一個個標籤，例如head,title,a,p等，註釋為輸出。
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" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>
print soup.p
#<p class="title" name="dromouse"><b>The Dormouse's story</b></p>
它有兩個屬性，name和attrs，使用如下。
#name到沒什麼，主要在sttrs。
print soup.name #[document]
print soup.head.name #head
print soup.p.attrs
#{'class': ['title'], 'name': 'dromouse'}
print soup.p['class'] #['title']
(2)NavigableString:獲取標籤內的字串。
print soup.p.string
#The Dormouse's story
(3)BeautifulSoup:
(4)Comment
- 遍歷文件樹，.contents .children 屬性。
print soup.head.contents
#[<title>The Dormouse's story</title>]
print soup.head.contents[0]#會以列表的形式出書。
#<title>The Dormouse's story</title>
- CSS選擇器，我們在寫 CSS 時，標籤名不加任何修飾，類名前加點，id名前加 #，在這裡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()，返回型別是 list。
print soup.select('title')
#[<title>The Dormouse's story</title>]
print soup.select('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>]
print soup.select('.sister')#通過類名查詢
#[<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>]
print soup.select('#link1')#通過id查詢
#[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
#組合查詢，二者需要用空格分開
print soup.select('p #link1')
#[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]
print soup.select("head > title")
#[<title>The Dormouse's story</title>]
#屬性查詢，屬性需要用中括號括起來，注意屬性和標籤屬於同一節點，所以中間不能加空格，
print soup.select('p a[href="http://example.com/elsie"]')
#[<a class="sister" href="http://example.com/elsie" id="link1"><!-- Elsie --></a>]