从网页中获取指定标签、属性值,取值方式:

  1.通过标签名获取:tag.name        tag对应的type是<class 'bs4.element.Tag'>

2.通过属性获取:tag.attrs

3.获取标签属性:tag.get('属性名')  或  tag['属性名']

获取标签内容:

  1.tag.string    获取当前标签的内容,只有一个标签的时候,(是能处理一个标签,返回标签的text内容)

2.tag.get_text()    获取标签内所有的字符串

BeautifulSoup 功能标签

  1. stripped_strings

     输出的字符串中可能包含了很多空格或空行,使用 .stripped_strings 可以去除多余空白内容

1
2
3
4
5
6
7
8
9
10
11
for string in soup.stripped_strings:
    print(repr(string))
    # u"The Dormouse's story"
    # u"The Dormouse's story"
    # u'Once upon a time there were three little sisters; and their names were'
    # u'Elsie'
    # u','
    # u'Lacie'
    # u'and'
    # u'Tillie'
    # u';\nand they lived at the bottom of a well.'

  2. 标准输出页面:

    soup.prettify()

BeautifulSoup 查找元素:

  1.find_all(class_="class")    返回的是多个标签,格式为<class 'bs4.element.ResultSet'>

2.find(class_="class")    返回一个标签,格式是<class 'bs4.element.Tag'>

3.select_one()    返回一个标签,格式是<class 'bs4.element.Tag'>

4.select()    返回的是多个标签,格式为<class 'bs4.element.ResultSet'>

5. soup = BeautifulSoup(backdata,'html.parser')  #转换为BeautifulSoup形式属性

soup.find_all('标签名',attrs{'属性名':'属性值'}  )     #返回的是列表

limitk 控制 find_allf返回的数量

recursive=Flasef返回tag的直接子元素

soup.find_all(text=re.compile(' content '))     根据文本匹配,可模糊匹配

子节点处理方式:

  1.   contents

    .contents 属性可以将tag的子节点以列表的方式输出

  2.  children

    .children 生成器,可以对tag的子节点进行循环

  3. descendants

    contentschildren 只是返回的是直接子节点,而descendants返回的是对多有的子孙节点进行循环

父节点处理方式:

  1. parent

通过 .parent 属性来获取某个元素的父节点

2. find_parents()

返回祖先节点

2. find_parent()

返回父节点

兄弟节点处理方式:

  1. next_siblings   下一个兄弟节点

2. previous_siblings   上一个兄弟节点

3. find_next_siblings()下一个兄弟节点

4. find_next_sibling()上一个兄弟节点

发表评论

邮箱地址不会被公开。 必填项已用*标注