3.爬虫-BeautifulSoup

解析库:

基本使用方法

.prettyify():把html调整为标准格式,如图可以观察到该html缺少</html>和</body>的闭合标签,而.prettify()方法直接将该html格式补全。

直接使用soup.title.string方法就可以得到title里面的内容:

标签选择器:

获取标签名称:

获取属性值

获取标签内容

嵌套选择,用点分割:

获取子节点,子孙节点

下图为获取P节点下的子节点,p.contents

还有另一种方法获取P标签下的子节点:p.children

.children和.content的区别就是.children实际上是个迭代器,需要用循环的方式来取其中的内容,而.contetnts是一个列表形式,你可以解开上图的print(soup.p.contents)代码,观察下二者的不同。

获取子孙节点 .descendants, 标签a下的子节点span同样也输出出来了,span是p标签的孙节点:

获取父节点、祖先节点

获取第一个a标签的父节点,a.parent


获取第一个a标签的祖先节点,a.parents:


获取兄弟节点

.next_siblings   .previous_siblings

标准选择器

find_all(name, attrs, recursive, text, **kwargs) 可根据标签、属性、内容查找

根据标签名name查找

根据attrs,其传入的类型是字典类型

有些特殊的属性可以直接取值,但class是某些语言的关键字,所以取值时需要加个下划线:class_

根据text文本内容来选择,返回的是里面的内容:

find(name, attrs, recursive, text, **kwargs) 用法与find_all相同

find 与 find_all的区别是find返回一个元素,find_all返回所有元素

CSS选择器

通过select()直接传入CSS选择器即可完成选择

获取属性

获取内容

总结

1. 推荐使用lxml解析库,如果出现代码混乱的情况使用html.parser或html5lib

2. 标签选择筛选功能弱但是速度快

3. 建议使用find()、find_all()查询匹配单个结果或者多个结果

4. 如果对CSS选择器熟悉建议使用select()

5. 记住常用的获取属性和文本的方法

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,312评论 5 473
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,578评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,337评论 0 333
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,134评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,161评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,303评论 1 280
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,761评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,421评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,609评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,450评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,504评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,194评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,760评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,836评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,066评论 1 257
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,612评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,178评论 2 341

推荐阅读更多精彩内容