本篇内容主要讲解“BeautifulSoup常用语法有哪些”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“BeautifulSoup常用语法有哪些”吧!
BeautifulSoup默认支持Python的标准HTML解析库，但是它也支持一些第三方的解析库
| 解析库 | 使用方法 | 优势 | 劣势 |
|---|---|---|---|
| Python标准库 | BeautifulSoup(html,’html.parser’) | Python内置标准库；执行速度快 | 容错能力较差 |
| lxml HTML解析库 | BeautifulSoup(html,’lxml’) | 速度快；容错能力强 | 需要安装，需要C语言库 |
| lxml XML解析库 | BeautifulSoup(html,[‘lxml’,’xml’]) | 速度快；容错能力强；支持XML格式 | 需要C语言库 |
| htm5lib解析库 | BeautifulSoup(html,’htm5llib’) | 以浏览器方式解析，最好的容错性 | 速度慢 |
demo html
<!DOCTYPE html> <!--STATUS OK--> <html> <head> <meta content="text/html;charset=utf-8" http-equiv="content-type"/> <meta content="IE=Edge" http-equiv="X-UA-Compatible"/> <meta content="always" name="referrer"/> <link href="https://ss1.bdstatic.com/5eN1bjq8AAUYm2zgoY3K/r/www/cache/bdorz/baidu.min.css" rel="stylesheet" type="text/css"/> <title>百度一下，你就知道 </title> </head> <body link="#0000cc"> <div id="wrapper"> <div id="head"> <div class="head_wrapper"> <div id="u1"> <a rel="nofollow" class="mnav" href="http://news.baidu.com" name="tj_trnews"> 新闻 </a> <a rel="nofollow" class="mnav" href="https://www.hao123.com" name="tj_trhao123"> hao123 </a> <a rel="nofollow" class="mnav" href="http://map.baidu.com" name="tj_trmap"> 地图 </a> <a rel="nofollow" class="mnav" href="http://v.baidu.com" name="tj_trvideo"> 视频 </a> <a rel="nofollow" class="mnav" href="http://tieba.baidu.com" name="tj_trtieba"> 贴吧 </a> <a rel="nofollow" class="bri" href="//www.baidu.com/more/" name="tj_briicon" style="display: block;"> 更多产品 </a> </div> </div> </div> </div> </body> </html>
from bs4 import BeautifulSoup
soup = BeautifulSoup(html,"html.parser")
# 缩进格式
print(soup.prettify())
# 获取title标签的所有内容
print(soup.title)
#Output：<title>百度一下，你就知道 </title>
# 获取title标签的名称
print(soup.title.name)
#Output：title
# 获取title标签的文本内容
print(soup.title.string)
#Output：百度一下，你就知道
# 获取head标签的所有内容
print(soup.head)
# 获取第一个div标签中的所有内容
print(soup.div)
# 获取第一个div标签的id的值
print(soup.div["id"])
# 获取第一个a标签中的所有内容
print(soup.a)
# 获取所有的a标签中的所有内容
print(soup.find_all("a"))
# 获取id="u1"
print(soup.find(id="u1"))
# 获取所有的a标签，并遍历打印a标签中的href的值
for item in soup.find_all("a"):
print(item.get("href"))
# 获取所有的a标签，并遍历打印a标签的文本值
for item in soup.find_all("a"):
print(item.get_text())BeautifulSoup4将复杂HTML文档转换成一个复杂的树形结构,每个节点都是Python对象,所有对象可以归纳为4种:
Tag:通俗点讲就是HTML中的一个个标签
from soup4 import BeautifulSoup
soup = BeautifulSoup(html,"html.parser")
# 获取title标签的所有内容
print(soup.title)
# 获取head标签的所有内容
print(soup.head)
# 获取第一个a标签的所有内容
print(soup.a)
# 类型
print(type(soup.a
#soup 对象本身比较特殊，它的 name 即为 [document]
print(soup.name)
# head
#对于其他内部标签，输出的值便为标签本身的名称
print(soup.head.name)
# 在这里，我们把 a 标签的所有属性打印输出了出来，得到的类型是一个字典。
print(soup.a.attrs)
#还可以利用get方法，传入属性的名称，二者是等价的
print(soup.a['class']) # soup.a.get('class')
# 可以对这些属性和内容等等进行修改
soup.a['class'] = "newClass"
print(soup.a)
# 还可以对这个属性进行删除
del soup.a['class']
print(soup.a)NavigableString: 获取标签内部的文字用 .string 即可
print(soup.title.string) print(type(soup.title.string))
BeautifulSoup: 表示的是一个文档的内容
print(type(soup.name)) print(soup.name) print(soup.attrs)
Comment: 是一个特殊类型的 NavigableString 对象，其输出的内容不包括注释符号。
print(soup.a) # 此时不能出现空格和换行符，a标签如下： # <a rel="nofollow" class="mnav" href="http://news.baidu.com" name="tj_trnews"><!--新闻--></a> print(soup.a.string) # 新闻 print(type(soup.a.string)) # <class 'soup4.element.Comment'>
.contents：获取Tag的所有子节点，返回一个list
# tag的.content 属性可以将tag的子节点以列表的方式输出 print(soup.head.contents) # 用列表索引来获取它的某一个元素 print(soup.head.contents[1])
.children：获取Tag的所有子节点，返回一个生成器
for child in soup.body.children: print(child)
find_all(name, attrs, recursive, text, **kwargs)
并不是所有的属性都可以使用上面这种方式进行搜索，比如HTML的data-*属性，我们可以使用attrs参数，定义一个字典来搜索包含特殊属性的tag：
item_list = soup.find_all(attrs={"data-foo":"value"})
for item in item_list:
print(item)通过text参数可以搜索文档中的字符串内容，与name参数的可选值一样。text参数接受 字符串，正则表达式，列表
item_list = soup.find_all(attrs={"data-foo": "value"})
for item in item_list:
print(item)
item_list = soup.find_all(text="hao123")
for item in item_list:
print(item)
item_list = soup.find_all(text=["hao123", "地图", "贴吧"])
for item in item_list:
print(item)
item_list = soup.find_all(text=re.compile("\d"))
for item in item_list:
print(item)传入一个limit参数来限制返回的数量
item_list = soup.find_all("a",limit=2)
for item in item_list:
print(item)limit参数
text参数
字符串过滤：会查找与字符串完全匹配的内容
正则表达式过：如果传入的是正则表达式，那么BeautifulSoup4会通过search()来匹配内容
列表： 如果传入一个列表，BeautifulSoup4将会与列表中的任一元素匹配到的节点返回
方法： 传入一个方法，根据方法来匹配
name参数
a_list = soup.find_all("a")
print(a_list) item_list = soup.find_all(re.compile("a"))
for item in item_list:
print(item)item_list = soup.find_all(["meta","link"]) for item in item_list: print(item)
def name_is_exists(tag):
return tag.has_attr("name")
item_list = soup.find_all(name_is_exists)
for item in item_list:
print(item)kwargs参数
# 查询id=head的Tag
item_list = soup.find_all(id="head")
print(item_list)
# 查询href属性包含ss1.bdstatic.com的Tag
item_list = soup.find_all(href=re.compile("http://news.baidu.com"))
print(item_list)
# 查询所有包含class的Tag(注意：class在Python中属于关键字，所以加_以示区别)
item_list = soup.find_all(class_=True)
for item in item_list:
print(item)attrs参数
find
返回符合条件的第一个Tag,即当我们要取一个值的时候就可以用这个方法
t = soup.div.div
# 等价于
t = soup.find("div").find("div")通过标签名查找
print(soup.select('title'))
print(soup.select('a'))通过类名查找
print(soup.select('.mnav'))通过id查找
print(soup.select('#u1'))组合查找
print(soup.select('div .bri'))属性查找
print(soup.select('a[class="bri"]'))
print(soup.select('a[href="http://tieba.baidu.com"]'))获取内容
item_list = soup.select("title")
print(soup.select('title')[0].get_text())到此，相信大家对“BeautifulSoup常用语法有哪些”有了更深的了解，不妨来实际操作一番吧！这里是亿速云网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
