安裝

在命令提示符框中直接輸入pip install beautifulsoup4

介紹

beautifulsoup是python的一個第三方庫，和xpath一樣，都是用來解析html數(shù)據(jù)的。

引入

from bs4 import BeautifulSoup

使用

將一段文檔傳入BeautifulSoup的構(gòu)造方法，就能得到一個文檔的對象。

bs = BeautifulSoup(open('index.html',encoding='utf-8'),'lxml')
print(bs)

注意：這樣上傳文檔的話，BeautifulSoup里面需要兩個參數(shù)。一個為open方法，一個是固定寫法，也就是解析器。

open方法里面也同樣需要兩個參數(shù)，一個是想要解析的數(shù)據(jù)，另一個為設(shè)置編碼的格式。

（1）獲取網(wǎng)頁中的title標簽

print(bs.title)

（2）獲取head標簽及標簽內(nèi)部的所有其他標簽

print(bs.head)

（3）獲取當中的第一個a標簽

print(bs.a)

注意：獲取文檔當中所有的xx當中第一個xx或者第一個xx里面的內(nèi)容。都可以用bs.xx來獲取

（4）獲取指定標簽的所有屬性

print(bs.a.attrs)

（5）獲取標簽的屬性

print(bs.a['href'])


（6）獲取標簽的文本內(nèi)容。

print(bs.a.string)


注意：string獲取的文本指的是本標簽的文本，不包含子標簽的文本

（7）contents能夠獲取指定標簽下面的所有內(nèi)容。

print(bs.body.contents)

（8）獲取所有內(nèi)容當中指定索引的內(nèi)容

print(bs.div.contents[3])

（9）通過id和類名來找標簽

print(bs.find(id='kw'))
print(bs.find(class_='shopping'))

注意：id是唯一的，通過id來找，只能找到一個，所以用find，而class不是唯一的，通過class來找，就有可能找到多個。

（10）select選擇指定的標簽

print(bs.select('title'))
print(bs.select('a'))

在bs4中，小數(shù)點“.”表示類名，#表示id

print(bs.select('.first'))
print(bs.select('#kw'))
print(bs.select('div.now'))

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學習或者工作具有一定的參考學習價值，謝謝大家對腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請查看下面相關(guān)鏈接

最新評論